利用短时过零率来检测清音．用短时能量来检测浊音，两者相配合便实现了信号信噪比较大情况下的端点检测。但是在信噪比较小的环境下，这两种方法便失去了作用。为了能在噪声环境下准确地检测出语音信号的端点，根据对含噪语音在时频域中的研究，提出了一种基于Matchingpursuits时频分解算法的语音端点检测方法。该方法使用Matchingpursuits算法对含噪信号进行分解．然后再对信号进行魏格纳变换，可以完全去除信号的魏格纳交叉干扰项。使得语音信号和噪声信号在时频平面上具有较直观明显的魏格纳能量分布．利用这个特点再进行端点检测．实验结果表明．该方法能在信噪比较低的情况下，准确地检测出语音信号的端点。

研究一种适合医疗仪器的语音识别算法,采用带噪声端点检测算法、美尔频标倒谱系数（MFCC）特征参数提取算法和整体路径约束DTW算法即ADTW算法,能有效地提高识别率和稳健性。在此为噪声环境下的语音识别提供了理论分析与仿真实验数据。实验结果表明：这种语音识别算法不仅有很高的识别率,而且能减小或者消除噪声所带来的训练模型和测试语音之间的失配。它完全满足医疗仪器对语音识别率的要求。