چکیده: تشخیص ناهنجاری‌های صوتی نقش حیاتی در زندگی روزمره ما دارد. تحلیل صوتی میتواند ابزار مهمی برای تشخیص ناهنجاری‌های صوتی و به عنوان یک تکنیک مکمل برای دیگر روش‌های پزشکی چون لارینگوسکپی و استروبوسکپی باشد. در این پایان‌نامه، هدف تشخیص نارساییهای تارهای صوتی و نوع بیماری با استفاده از تجزیه و تحلیل سیگنال گفتار است. انواع بیماریهای مورد تشخیص عبارتند از: ندول، پولیپ، ادما، فلج کامل، فلج ناقص، پرکاری، رفلکس، اریتم، انحطاط پولیپوید و اسکوازینگ. روش پیشنهادی، شامل سه مرحلۀ استخراج ویژگی، کاهش ویژگی و کلاسه‌بندی است. مرحلۀ اول و دوم نقش مهمی را در عملکرد و صحت سیستم‌های کلاسه‌بندی ایفا میکنند. فرایند استخراج ویژگی با استفاده از تجزیه بسته موجک سیگنال گفتار، بر حسب ضرایبشان طراحی میشود. ویژگی انرژی و آنتروپی شانون، از ضرایب گره‌های خروجی در درخت بسته موجک بهینه به دست میآیند. روش تحلیل مجزا ساز خطی (LDA) برای مرحلۀ کاهش ویژگی پیشنهاد میشود. ماشین بردار پشتیبان (SVM) به عنوان طبقه بند، برای ارزیابی عملکرد روش پیشنهادی استفاده میشود. در مقایسه با روشهای موجود، نتایج برتری روش پیشنهادی را نشان میدهند؛ به طوری که در تفکیک کلاس سالم از ناسالم به نرخ تشخیص 100 درصد و به طور میانگین در تفکیک بیماریها از یکدیگر به نرخ تشخیص 98.88 درصد رسیده میشود.