近年来，语音识别系统开始被广泛地推广应用到手机等智能移动设备中，语音活动检测作为语音处理中的重要前端部分，可以在数字音频信号流中检测到语音部分。基于检测结果，抛弃非语音部分，仅将起止点准确的语音区间输入下一级处理，将有效地提升系统性能指标和降低整体资源开销。尤其在移动终端设备的应用中，算法应尽可能优化复杂度，同时兼顾低功耗、实时性强和检测精度可靠的应用需求。本文首先分析语音信号特征和分帧、预加重、语音增强三项的预处理步骤解决方案，成为提取语音特征并检测其语音活动性的基础；接着研究了多种经典特征和新兴特征的提取和参数优化，并结合基于门限比较法的平滑判决策略，设计了一套低功耗的语音活动检测解决方案，实验发现在高信噪比（≥10dB）的应用场景下具有实用意义。为了进一步提高抗噪声能力，本文继而提出了基于高斯混合模型的多特征混合改进算法，有效地处理了手机应用常见噪声的中低信噪比情况。本算法基于MFCC特征和高斯混合模型建模，并通过创新的多特征组合方式，将时域特征和频域特征相结合、短时平稳性和局部变化规律相结合，提高检测准确率。本文所设计的算法，与其他语音活动检测算法相比，尤其在环境中含有嘈杂语噪声时（如：办公室环境）性能较优。论文最后以所研究的算法为基础，在Android智能手机上设计实现了实例应用，开发了可供多平台多系统扩展复用的语音活动检测功能模块，并验证了本文提出的解决方案可以满足实际应用需求，具有较高的准确率、适应性和实用意义。