本文的重点是研究咳嗽声的识别算法,为此,首先介绍了咳嗽声的基本特征,发生机理及咳嗽声分析的历史和现状。当前咳嗽声的识别算法还比较不成熟,在实际应用中受到很大的限制。文章的第二章将会介绍模式识别的一些基本知识,重点介绍了数字信号处理领域一些比较经典的处理方法。第三章将集中讨论基于最优基的特征提取方法。为此,我们详细的介绍了LDB算法的原理及其应用。LDB算法虽然在很多领域取得了成功,但它的局限性也是显而易见的,为此,也讨论了两种LDB的改进算法。第四章将集中讨论线性判别分析算法。最经典的就是LDA算法,我们首先介绍了LDA算法的原理及其实现,接着介绍了几种LDA算法的改进算法。 第五章是在第三章和第四章讨论的基础上,提出了两种快速的咳嗽声识别算法。第一种算法提取信号的MFCC特征,然后利用线性判别分析算法进行降维,最后利用最佳近邻法进行分类判别；第二种算法通过统计信号在各个时频点上的能量分布,接着选择类间信号分布差异较大的时频点对应的能量值作为特征,然后再利用线性判别分析算法进行降维。跟现有的咳嗽声识别算法相比,本文提出的两种算法不仅在识别率上有所提升,而且算法的实现特别简单,实际可用性大大增强,这将在第六章的实验验证阶段得到验证。