这在某种程度上是一个广泛的问题。一本有趣的书是Rabiner & Schafer的《语音信号的数字处理》，您可以在其中找到一些很好的入门说明。在研究更高级的技术时，它可能已经过时了，但我认为了解语音的主要特征是件好事。

简而言之，我们发出的每一种声音都是由声道的配置决定的。特别是，如果声带紧张且不振动，则称声音为清音。但是，如果它们振动，则声音是有声的。当您说“Ahhhh”或“Ssssshh”时，您可以通过将手放在脖子上来感知差异。在西班牙语中，所有元音都是浊音，所有辅音都是清音（这并不完全正确，请参阅评论）。我不确定其他语言。您可以考虑一个发生器（声门），它以一种声音呈现其特征形状的方式连接到一个过滤器（声道）。这实际上是语音生成模型的基础（例如最简单的）。

如果你仔细观察一个语音信号，你可以很容易地发现不同音素之间的差异。浊音音素被认为是伪周期性的。这意味着，如果您查看足够短的信号片段（大约几十毫秒长，例如​​ 40 毫秒），您可以找到谐波正弦信号的叠加。这意味着：

• 信号是周期性的，具有基频$f_0$. 这也称为音高。
• 谐波将随频率出现$2f_0, 3f_0, 4f_0$...哪种能量取决于确切的音素。

如果您绘制此语音信号的频谱，您会发现类似以下内容（来源）。

例如，这类似于铜管乐器声音的谐波结构。

相比之下，清音信号没有如此清晰的谐波结构。事实上，它们没有基频，可以被认为是噪声信号。你可以说“Ahh”来唱歌，但不能说“Ddd”。清音可以被认为是有色噪声。他们通常比发声的能量少。

考虑到这些差异，我们可以考虑一种自动检测它们的方法。

浊音是周期性的，而清音则不是。

要检测周期性，您可以使用自相关等方法（在本网站已广泛处理）。

有声的声音比无声的声音更有能量。

您可以将信号划分为 20-40 毫秒的窗口，计算每个窗口的能量并根据阈值决定。

清音是嘈杂的，并且在高频中往往很突出，而浊音则不然。

因此，清音会比浊音更频繁地与零交叉。这称为过零率。

虽然这些简单的方法本身并不太准确，但却是一个很好的起点。此外，我相信您可以通过将它们结合起来获得良好的结果。无论如何，这篇文章并不能代替我之前提到的一本好书。这只是一种介绍，向您展示一些可能性。