Zum Bilden von Merkmalsvektoren wird das aufgenommene Signal zuerst in den Frequenzraum überführt. Dann werden in kurzen Abständen Kurzzeitspektren der Akustik erstellt. Aus diesen Kurzzeitspektren werden einzelne Kennwerte berechnet und zu einem Merkmalsvektor zusammengefasst (Vektorquantifizierung).
Die zeitliche Folge von Merkmalsvektoren bildet die Grundlage für die Wortfolgenerkennung. Die Folge der Merkmalsvektoren werden mit allen gespeicherten Referenzmustern verglichen. Hauptaufgabe ist also die Ermittlung des ähnlichsten Referenzmusters zu einem aufgenommenen Signal, und das möglichst schnell und optimal.