1.短時能量分析（音強），決定短時能量特性有兩個條件：不同的窗口的形狀和長度。窗長越長，頻率分辨率越高，而時間分辨率越低（N為幀長，M為步長）。
*典型窗函數：矩形窗譜平滑性能好，但損失高頻成分，波形細節丟失，海明窗與之相反。一幀內含1~7個基音周期，10kHz下采100~200點。
2.短時平均振幅分析：計算方法簡單，但清濁音的區分不如能量明顯。
3.短時過零分析：可以區分清音與濁音，濁音時具有較低的平均過零數，而清音時具有較高的平均過零數；可以從背景噪聲中找出語音信號，可用於判斷寂靜無語音和有語音的起點和終點位置。
4.短時相關分析：自相關用於研究信號本身，如信號波形的同步性、周期性等。用來區分清音和濁音，因為濁音信號是准周期性的，對濁音語音可以用自相關函數求出語音波形序列的基音周期；另外在進行語音信號的線性預測分析時，也要用到短時自相關函數。
4.短時平均幅度差：短時平均幅度差計算加、減法和和取絕對值的運算，與自相關函數的相加與相乘的運算相比，其運算量大大減小，尤其在硬件實現語音信號分析時有很大好處。為此，AMDF已被用在許多實時語音處理系統中。
5.短時傅里葉變換：
6.語音信號的倒譜分析：求語音倒譜特征參數，通過同態處理（將非線性問題轉化為線性問題）來實現。同態處理（同態濾波）：解卷，將卷積關系變為求和處理。 將語音信號的聲門激勵和聲道響應分離開。
7.基音周期的提取：
a)自相關法：峰—峰值之間對應的就是基音周期。為去除聲道影響，一般進行中心削波的非線性變換（削除低幅部分）。
b)倒譜法：圖a為ln|X(ejw)|的示意圖，包括頻譜包絡的慢變分量，基音諧波峰值的快變分量。再取一次傅里葉反變換，即可將快慢分量分離開。
基音周期后處理：中值平滑、線性平滑、組合平滑。