在日常生活中,言语障碍会严重影响人们之间的正常交流、工作效率和生活质量。当前对患者的发音障碍诊断和发音质量评估主要依赖于诊疗人员的听觉分析能力和经验,但这种方法存在成本高、实用性低、主观性太强等问题。使用计算机技术和信号处理技术对病理语音进行分析和研究,在临床医学上可以更便捷、有效地帮助言语障碍疾病的早期诊断以及言语障碍患者发音康复训练,具有重要的研究意义。本文对言语障碍患者发音质量评价关键技术问题展开研究,包括对病理语音的声学特征提取、病理语音检测和病理语音发音质量客观评价问题,并针对以上问题提出了有效的解决方法。本文的主要工作包括:（1）对病理元音和正常元音的基本声学特征、非线性混沌特征和频谱特征进行分析对比,探究正常人和言语障碍患者的发音差异性。根据病理语音和正常语音在不同频率段中能量的分布差异,对子带谱质心特征（Sub-band frequency Spectrum Centriod,SCC）提取方法进行改进,并将其用于病理语音检测任务中。在SVD（Saarbruecken Voice Database）数据集上,使用SCC特征,支持向量机（Support vector machine,SVM）模型对病理元音/a/、/i/、/u/的正确检出率分别为68.89%、67.39%、67.34%。实验结果表明,该特征相比较其它声学特征可以使模型取得更好的检测效果。（2）提出了一种基于雷达图特征融合方法,该方法首先使用雷达图对语音的声学特征进行表示,并通过提取雷达图的重心特征对声学特征进行融合,最后使用遗传算法对融合后的雷达图特征进行选择。在SVD数据集上,通过对声学特征融合,SVM模型在元音/a/、/i/和/u/上的正确检出率分别为77.19%、76.09%、76.05%,相比较特征直接组合,正确检出率平均提高了7%。（3）提出了一种基于主观评价模式的病理语音发音质量客观评价模型。通过将传统方法中的客观评价模型分为三部分,分别用于对病理语音的发音质量信息、内容信息的提取以及信息的融合,使得客观评价模型所提取的样本信息更准确。通过实验表明,本文提出的模型相比较传统模型,测试集样本主客观评分的平均绝对误差和均方根误差,分别相对降低了10.7%和9.4%,皮尔逊相关系数相对提升了16.4%。（4）提出了一种基于sigmoid函数的均方误差损失加权方法。该方法使用sigmoid函数,将每个批次中样本的预测误差映射为样本损失函数的权重大小,使模型在训练过程中对难以训练的样本赋予更多的关注。通过实验表明,将加权后的结果与不加权的结果相比较,测试集样本主客观评分的平均绝对误差和均方根误差分别相对降低了9.3%和8.1%,皮尔逊相关系数相对提升了4.6%。