咳嗽是一种广泛存在于临床的症状之一,它是由气道的突发性呼气产生的一种保护机制。根据不同的病因,咳嗽音的特点有着很大的区别,分析病人的咳嗽音类型对于诊断病人的病因在临床医学上具有极大价值。为了摆脱人工分类的复杂性、繁琐性和差异性等弊端,本文对咳嗽音的自动分类技术进行了深入的研究。咳嗽类型有多种不同的分类方式,本文使用常见的干湿性的分类方式,经过分析发现采用合适的分类方法可以突出干湿性咳嗽的差异,从而易于提供较准确的分类结果。另一方面干湿性的区分具有较大的医学诊断价值。本文对国内外目前在语音识别和咳嗽识别等相关领域内的研究现状进行了概要的阐述,基于咳嗽机理的特点并提出了一种基于MFCC和DTW模板匹配技术的咳嗽分类系统。本文经过对咳嗽和语音的特点分析,发现基于声道模型的LPCC并不适合用于咳嗽分类,因此采用基于听觉特性的MFCC特征参数。为了改善参数动态性能,对MFCC进行二次特征处理,追加了标准MFCC的一阶差分。同时考虑到模板训练和咳嗽分类环境噪声不一致可能导致的系统性能下降,本文提出了一种改进的带噪声抑制的MFCC特征参数,从而提高了系统的鲁棒性。在模板匹配单位,使用DTW作为匹配算法以适应咳嗽这种孤立且持续时间差异性较大的声音片段,并将松弛起止点技术引入DTW算法以减少对端点检测结果的敏感性。同时,本文还使用改进的K均值算法来对样本进行自动化的模板库训练以最大限度的减少人工干预并确保模板库的稳定性。通过多项实验,结果表明本文所使用的技术和改进算法用于咳嗽自动分类取得了良好的分类效果。最后,本文还开发了一套基于上述算法的软件系统,方便了医院方面的使用和测试,为咳嗽自动分类系统进入实验测试阶段提供了帮助。