近年来智能穿戴设备和移动终端在健康管理上的应用越来越多,而感冒这种常见的上呼吸道疾病却没有可用于移动设备的检测方法。感冒发病率高且容易引发其他疾病,在诊断感冒患者时,患者的声音信号能提供很大价值的信息。基于感冒病症会引起患者声音变化这一特性,本文采集感冒患者和健康人嗓音,提取可以用于区分感冒患者嗓音和健康人嗓音的特征参数。探索出一种便捷的感冒患者嗓音识别方法,结合智能穿戴设备展示了本研究的一个使用场景,本文取得的主要工作内容如下：1. 采集语音样本。研究语音的产生机理和数字模型,联系感冒的喉痛、鼻塞、咳嗽等病症,对感冒患者声音变化作出解释,为从声音出发分析感冒提供了理论上的支撑。2. 对采集到的语音信号做预处理。使用一阶高通滤波器加强语音信号的高频特征,滤除噪声干扰；使用汉明窗对语音信号做分帧加窗操作,为后续使用短时分析方法提取特征参数做准备；使用短时能量为门限对语音做端点识别,剔除语音的空白段。3. 改进传统病态嗓音实验方法。采集实验对象感冒前后的语音,排除不同人之间性别、说话习惯和声道个性的干扰,对所提取的参数做统计分析。实验结果表明研究对象感冒前后嗓音的基音频率、共振峰频率和Mel倒谱系数具有明显区别。4.提出一种感冒患者嗓音识别方法。提取反映声带特征的基音频率、反映声道形状的共振峰频率和基于入耳听觉模型的Mel倒谱系数三种特征参数,结合本文的语音库和所提取特征参数,对基于BP神经网络的感冒嗓音分类进行了研究。实验结果表明本文提取的特征向量能够很好地用于感冒患者嗓音的识别,其中按照传统病态嗓音研究方法训练的神经网络识别准确率为90.21%,对单个患者感冒训练的神经网络识别效果明显更好,准确率在93.08%～97.95%之间。5.基于智能手表和Android手机实现了一款感冒嗓音识别应用。从语音的角度出发检测人体感冒状况,为移动设备在健康方面的应用提供了新的思路。