1、病理語音是發(fā)聲系統(tǒng)發(fā)生病變時產(chǎn)生的語音。發(fā)聲系統(tǒng)發(fā)生病變會引起語音信號特征的改變。而通過對語音信號分析以完成對病變的診斷具有非入侵性、客觀性、便利性，因而基于病理語音的診斷與分析已經(jīng)成為了當前的研究熱點。然而由于發(fā)聲系統(tǒng)結(jié)構(gòu)的復雜性，致使疾病的來源非常難確定，故病理語音特征與疾病特性間的對應關系分析研究還處在探索階段。本文針對病理語音的診斷方法進行了研究，主要有以下幾個方面的工作：
　　1.對病理語音的傳統(tǒng)聲學特征進行了分析，提取

2、了病理語音的傳統(tǒng)聲學特征構(gòu)造出病理語音基礎聲學特征包（BAFS），包括430維特征。
　　2.針對傳統(tǒng)聲學特征建立在語音信號短時平穩(wěn)的基礎上，不能較好的體現(xiàn)非平穩(wěn)信號的動態(tài)變化問題，利用S變換能夠較好的反映非平穩(wěn)信號局部特征的特性，提出了一種新的基于S變換的特征。并將其與MFCC特征進行了對比，顯示了其良好的表達病理的能力。
　　3.鑒于傳統(tǒng)的聲學分析均是從語音信號的線性角度出發(fā)，忽略了其非線性特征。本文從非線性角度對病理語

3、音進行分析，提取了病理語音三種非線性特征作為對聲學特征的補充，構(gòu)造出較為完整的病理語音特征集。
　　4.針對上述提取的特征集維數(shù)高問題，提出了一種新的基于可視化技術的特征融合與降維方法。該方法利用了可視化特征很好的表示特征間的結(jié)構(gòu)特性，能夠很好的對特征進行融合的特點及F-Score能夠?qū)μ卣鬟M行重要性評測的特點，達到了很好的特征融合與降維的目的。并將其與粒子群特征選擇算法進行了對比，顯示了其高效性。
　　5.本文根據(jù)上述研究