چکیده: تشخیص مرز کلمه یعنی شناسایی آغاز و پایان کلمه در یک سیگنال گفتاری که نقش مهمی برای بسیاری از کاربردها مانند تشخیص کلمه کلیدی، تشخیص گفتار، سیستم تبدیل متن به گفتار و ... دارد. در سیستم تشخیص گفتار بیشتر خطاها ناشی از تشخیص اشتباه مرزهای کلمات است. تشخیص صحیح مرز کلمه، خطاها را کاهش می دهد و عملکرد سیستم ها را بهبود می بخشد. الگوریتم های زیادی برای تشخیص مرز کلمات استفاده می شود که برخی از آن ها به دلیل نویز محیط و یا عدم مکث خوب بین کلمات عملکرد چندان خوبی برای تشخیص صحیح مرز کلمات ندارند. در صورتی که برخی از روش ها با هم ترکیب شوند بهتر می توانند مرزهای کلمات را تشخیص دهند. در این تحقیق هدف تشخیص مرزهای کلمه با استفاده از روش های زمان-فرکانس از جمله موجک و ویگنر -ویل است. روش های زمان-فرکانس سیگنال را در هر دو حوزه زمان و فرکانس بررسی می کنند. چون سیگنال گفتار یک سیگنال ناایستا است و مشخصات آن با زمان تغییر می کند بهترین روش برای تحلیل این سیگنال و استخراج ویژگی از آن روش های زمان-فرکانس می باشد. روش های مختلف استخراج ویژگی مانند MFCC، LPC، PLP، تحلیل موجک و روش ویگنر-ویل جهت تشخیص مرز کلمات مورد بررسی قرار می گیرند. از دونوع داده برای بررسی نتایج استفاده شده است. در پایگاه داده TIMIT زمان بین کلمات خیلی کم است و به طور طبیعی و تقریبا سریع کلمات تلفظ می شوند، در حالی که در CADLab کلمات به صورت شمرده بیان می شوند. روش ویگنر-ویل قادر به تشخیص مرزهای کلمات با 5/83% برای داده اول، و %68 برای داده دوم بهترین روش برای شناسایی مرزهای کلمات می باشد. آنتروپی نیز با 25% تشخیص برای داده اول و نرخ عبور از صفر با 30% تشخیص برای داده دوم کمترین میزان تشخیص صحیح مرزهای کلمات را در میان روش های انجام شده دارد.