语音信号是动物之间沟通联系、信息传递的主要方式之一。随着研究的深入和科技的进步,语音信号涉及到嗓音评估、语音识别、声乐艺术、人工智能等诸多领域,已经成为与人类生活和科技发展密切相关的热点研究对象。绪论部分以声带发声系统的结构与机制开篇,说明引起嗓音生成非线性特性的原因,并介绍了分析嗓音生成的非线性特性的主要方法和成果。接着从嗓音信号分析方法和声带发声系统入手,首先对非线性动力学方法及其工具箱进行了优化,再利用高速摄影成像技术对表面脱水的声带发声系统进行非线性特性的研究。非线性动力学方法中的关联维数和二阶熵己经广泛用于定量分析嗓音信号,并在病理嗓音评估方面大有作为。但是计算量大和计算耗时成为该方法在实际应用种的短板。受到计算最小嵌入维的Cao方法的启发,对最小嵌入维对应的关联维数和二阶熵进行研究。统计分析结果表明,新方法不仅能提高计算效率、减小计算量,同时也与传统方法不分伯仲,都能有效定量区分正常嗓音和病理嗓音。已有的非线性动力学方法分析工具在计算关联维数的过程中需要人工判断scaling region,这导致计算结果含有由主观因素引起的潜在误差。分别利用变异系数和频数统计的方法,实现了多个嵌入维和单一嵌入维两种情况下关联维数scaling region自动识别的功能。将经典混沌映射关联维数的参考值作为比较对象,结果发现自动识别算法的计算结果与之非常接近。声带表面脱水是最常见的声带问题,通过离体狗喉实研究声带在规则振动和混沌振动时,脱水对其振动的影响。研究结果表明,声带正常振动时,三个脱水等级之间的时空特性和非线性动力学特性差别较小。然而当声带发生混沌振动时,与规则振动相比,其非线性特性变得相当复杂,同时不同脱水程度之间的时空特性和非线性动力学特性也不尽相同。