语言表达是人类沟通交流的重要方式,清晰洪亮的嗓音是顺畅交流的基础。在日常生活中,多少会产生一些不健康的用嗓行为,如大声吼叫、过度用嗓等,这些行为不同程度地影响着嗓音健康,轻则使嗓音出现不正常的音调和音质,重则使声带发声紊乱并出现器质性病变,患上嗓音疾病。通常,嗓音疾病的早期轻症难以引起患者重视,只有疾病十分严重时患者才会选择就诊,而目前嗓音疾病的诊断方式,主要是将可视化设备深入患者喉部观察具体情况,容易给患者带来身体不适和心理压力。倘若能够在症状较轻时发现嗓音异常,及时纠正不健康的发音行为,进行嗓音保健,就能够轻松快速地恢复嗓音健康;或在声带尚未发生严重病变前,准确判断嗓音异常程度,并按需进行下一步诊断治疗,或许能够避免病情加重。因此,如何在嗓音疾病早期便捷快速地监测嗓音异常情况,如何应用无侵入、数字化的手段诊断嗓音疾病,成为具有强大科学意义和现实意义的研究问题。针对该问题,本文提出一种应用相关性分析的策略,融合优化的非线性特征参数方法识别常见的声带息肉、声带麻痹,并基于实验设计非侵入式喉嗓健康监测及疾病诊断系统。本文主要工作及结果如下:1.通过阅读大量嗓音识别相关文献,发现应用非线性特征参数识别病理嗓音较传统线性特征参数更加科学合理,因为异常声带在发声的瞬态过程中,会产生线性特征参数无法表征的非线性现象;单一特征参数识别病理嗓音的能力有限,研究发现特征融合、特征再次映射等方式可以全面展现病理嗓音信号的特点,识别病理嗓音效果良好。因此,本文选取了 6个常用的非线性特征参数:样本熵（SE）、模糊熵（FE）、排列熵（PE）、Hurst指数、Teager能量算子、L-Z复杂度（LZC）,采用小波包分解病理嗓音信号,分层提取6个非线性特征参数进行主成分分析（PCA）,得到优化的非线性特征参数,应用相关性分析对其进行融合以识别息肉与麻痹,期望为便捷无创诊断嗓音疾病提供可能方案。2.应用嗓音线性预测残差信号的频谱平坦度（SF）分类健康与病理嗓音,在支持向量机（SVM）上分别取得了 100%、97.22%的分类识别率。应用本文健康、病理嗓音二分类模型识别第三方语音库的嗓音样本,整体识别率超过83%,初步实现了对健康、病理嗓音的识别。3.比较了两类不同病理嗓音识别实验:传统病理嗓音识别提取嗓音信号的6个非线性特征参数分别进行实验,发现不同特征参数对于不同病理的分类识别率差异巨大;应用相关性融合优化的非线性特征参数实验,将优化的非线性特征融合后,病理识别率明显提升,Hurst+LZC组与FE+LZC组的整体识别率均超过97%,说明了融合特征可以全面突出病理嗓音信号的有效细节信息,证明了本文融合策略的有效性。4.应用本文理论研究结果设计非侵入式喉嗓健康监测及疾病诊断系统,其主窗口由信息面板与诊断面板构成,完成用户信息录入、嗓音实时录制、嗓音健康监测/诊断、信息及结果保存等功能;对话窗口展示用户信息集,通过单击主窗口“病历查询”按钮调出,完成查询历史病历、返回病历至主窗口的功能。应用本文健康与病理嗓音识别算法设计系统“健康监测”功能,应用本文优化的FE与LZC融合组合的训练模型设计“病理诊断”功能,形成了从理论研究到实际应用的完整闭环。