语音信号的处理是为了让机器能听懂人的声音,最根本的目的是属于作为人或者说是作为人的自然的重要属性,其原理是采样原有的语音波形,然而人的语音中包括很多元素,有我们需要的,也有我们不需要的,这就要求我们需要提取我们需要研究的部分进行处理。由于在现在的成熟技术当中,相比于其他的技术具有不可比拟的方便性、价格低廉以及支持远距离应用等优势,在应用方面具有广阔的应用背景。已经广泛应用于各个方面,可谓无孔不入,既有军用的,也有民用的,比如军用方面涉及到军队、国防、军事通信。随着技术的愈加进步,语音信号的处理成为人类日常生活工作中普及率非常大的可以进行身份认证和识别的主要方式和实现手段,人们对于理论研究及相关的产品开发越来越受到研究人员的重视。语音信号的特征提取是语音信号分析当中的关键,也是最为重要的一个环节,是相关领域和研究方向的重点所在。在实际应用当中,说话人识别可以在不同的环境下,甚至是恶劣的环境下可以进行特征的提取,这对我们在实验当中会造成一定的麻烦。所以在进行特征提取过程中不仅可以提取语音信号的信息、具有更好的稳定性且具有更为理想的特征参数,这是我们所面临的问题所在。本文分别作了关于两组语音信号特征算法的改进及检测,第一个实验是基于LPCC和MFCC的文本无关的混合特征提取算法,综合了特征参数算法的优点以及差分系数的提取,提高了系统的识别率。第二个实验是基于动态时间规划和改进端点检测的算法的孤立词识别系统的实现,用说话人发音“0-9”进行数据的采样和分析,结果证明改进的算法相比于传统的DTW算法具有更好的识别率和识别速度。