语音是人类信息交互最原始、最便捷的方式,随着科技和经济的发展,在智慧人机交互中展现出其优越性。然而在现实生活中由于用嗓不当等因素,致使声带病变,从而影响正常言语交流和身心健康。病变声带振动复杂,传统声学特征虽具备其固有声学特点,但不能直观地揭示病理嗓音的非线性特性;传统非线性特征(相关维和最大Lyapunov指数)不能精细化分析不同病理嗓音的特点。针对上述问题,本文从非线性动力学递归角度,提出了病理嗓音递归阈值自适应算法,求解递归阈值以构建递归图直观地分析病理嗓音递归特性,对声带麻痹、声带水肿、声带息肉和声带小结的递归特性进行对比;为提高对上述四种声带病变嗓音的病理区分能力用于病理嗓音分类,设计了递归阈值自适应的多层次递归量化分析法。此外,为节省病理嗓音识别的时间成本,采用概念递归矩阵的主奇异谱比量化复杂度。主要内容如下:(1)典型的阈值选择方法需要主观经验,选择不当会导致递归图中部分递归结构不能显现或出现虚假递归的情况。针对典型的递归阈值选择方法不能适用于不同类型、不同声带病变程度的病理嗓音问题,提出了一种递归阈值自适应算法。对三种不同递归阈值下的病理嗓音递归图观察分析,发现本文方法求得的递归图能够更好地揭示病理嗓音的递归特性,且能使上述四种病理嗓音递归量化测度具备区分性。为了揭示更多递归特性表示嗓音的病理特征,引入层次分解,设计了递归阈值自适应的多层次递归量化测度计算方法。将多层次分解后的信号求解对应的自适应递归阈值,再求解其递归量化测度,并进行统计学差异性分析。根据二层次递归图分析了声带麻痹、声带水肿、声带小结和声带息肉的递归结构异同。采用OvO分解策略将病理四分类问题转化为六个二分类子问题,通过距离加权策略将六个基分类器的结果聚合,对于MEEI库内上述四种病理嗓音分类准确率达73.15%。(2)对于病理嗓音的识别工作,引入概念递归图以减小动力学递归图的计算复杂度,采用概念递归矩阵的复杂度量化测度--主奇异谱比,结合概念递归矩阵纹理特征,对MEEI库内病理嗓音识别准确率达99.58%。最后指出本文存在的不足和未来的工作方向。