语音端点检测是语音信号处理的基础环节，其有效的、准确的检测可以影响后继的实验结果。 由于信号在采集、传输或者处理的过程中容易被污染而含有噪声，因此在语音端点检测研究中，首先要对采集的语音信号进行降噪。在本论文中，使用高斯有色噪声作为噪声源；通过算法生成N(0，1)高斯有色噪声，并与其他常用的噪声性质相对比，归纳总结其特点。 分析实验中产生的高斯有色噪声以及采集到的信号奇异性。将高斯有色噪声作为加性噪声加入到信号中，根据总结信号的奇异性按照算法降噪。算法的主要思想是将信号按照小波多分辨率的特性进行小波多层分解，计算各层小波系数的模极大值位置，根据各层模极大值对应点的位置，以及小波系数之间的关系，判断信号点、噪声点，根据其传播规律来保留信号点，修改噪声模极大值点的数值，达到降噪的效果。 以往的语音端点检测算法使用短时能量和短时过零率，本文在算法方面对其做了些改进：将信号首先小波分解，提取低频系数，对低频系数分帧，计算各帧数据的短时过零率和短时能量，与设定的阈值比较，得到信号端点检测的结果。因为首先对信号进行小波分解，使用低频系数，所以减少了程序的计算量，实验结果表明提高了端点检测的准确率，而且减少了检测的时间。