病理嗓音是声带病理性的改变，声门不完全关闭或是声带振动不规则都会引起发声系统紊乱而使语音中渗入噪声成分，而且随着症状的加重，噪声成分会不断的增多。而声学检测方法通过深入研究嗓音中所包含的各类参数，能够有效地诊断嗓音疾病的类型和严重程度。本文在病理嗓音的基础研究上，针对病理嗓音中的甲亢水肿嗓音，提出了小波变换和改进的自相关结合法（WAC）提取基音周期，并利用分类器对所提方法进行识别验证。主要工作包括：针对病理嗓音的基音频率不稳定性并有时会出现病理嗓音没有基音频率的缺点。利用小波变换滤除非锐变和噪声信息，以加强声门闭合瞬间的锐变信息。它优于传统短时傅里叶变换，为非平稳信号分析和处理提供了有力的工具，也为语音信号基音周期精确估计提供了可能。当语音信号被噪声污染时，随着信噪比的减小，针对利用小波变换法求出的基音周期误差越来越大这一问题。本文采用较为准确的基音周期检测方法——小波变换和改进的自相关结合法。把小波变换后的信号作为待处理信号，计算其自相关函数，对于超过一定门限的极大值点，测出相邻两个极大值间的间隔，从而得到语音信号的基音周期。本文在准确提取基音周期的基础上，再运用分类器以及与基音周期相关的声学参数，对不同程度的甲亢水肿的病理嗓音进行了识别，结果表明本文提出的WAC算法的平均识别率能达到89.83%。最后总结了本文所研究的工作内容和本文算法存在的缺点和不足，并探讨了未来进一步研究与改进的方向。