谐波和噪声成份的比值(Harmonic to Noise Ratio, HNR)在很大程度上反映了声音的嘶哑程度,是判断喉部疾病的一个主要特征。在语音声学和喉病检测等领域中有着重要的意义。本文采用动态时间规整(Dynamic time warping,DTW)法、独立分量分离估计法和小波分析法对发汉语[a:]音的、十个正常和十个不同病变的唇端稳态元音信号的HNR进行分析和计算,找出区分正常音和病变音的HNR的值,对嗓音嘶哑程度进行评估。动态时间规整法是一种时域方法,在时间上匹配波形,剩余的波形间的差别作为噪声成份。本文检测语音各周期起点时,用自相关法代替了原来的最小值检测法;独立分量分离估计(Independent Component Analysis,ICA)法先用线性预测反滤波法得到声门气流体积速度波,再用FastICA法分离出声门气流体积速度波中的谐波和噪声。FastICA分离后输出的谐波和噪声信号的幅度发生了变化,本文采用对输入和输出信号归一化的方法很好地解决了这个问题;声带病变和损伤而产生的噪声是一种随机噪声,由于信号中混入噪声后会引起信号的奇异性,奇异性的大小可以用Lipschitz指数来度量。随机噪声和有效信号的奇异点的Lipschitz指数大小不同,从而它们小波变换的模极大值在不同尺度下的传播也是不一样的。本文利用这一特性采用小波分析法将声门气流体积速度波中的谐波信号和噪声分开,计算出HNR的值。本文用以上三种方法对稳态语音进行了实验,得出这几种算法计算出的HNR值都能分辨出正常和病变语音,其中独立分量分析法效果最好,小波分析法次之,动态时间规整法最差。本文最后分析了三种方法各自的优点和不足。