咳嗽是人体的一种应激性的反射保护机制，可以有效清除位于呼吸系统内的异物，与此同时，持续、过度的咳嗽也会给人体造成伤害。不同呼吸疾病可能具有不同的咳嗽特征，这些特征靠主观描述难以做到准确。目前，临床上还没有成熟的咳嗽监测设备，对咳嗽的判断主要依靠病人的主诉，难以对咳嗽的情况做一些客观的量化和分析。　　从咳嗽的生理学特征和声学特点可知，咳嗽声音属于典型的非平稳信号，具有突发性，明显不同于一般的语音信号。本系统采用基于人耳特性的Mel倒谱系数(MFCC)作为咳嗽音特征参数。通过对临床采集的咳嗽音数据进行特征提取和训练，得到一组用于语音匹配的模板库。在咳嗽音监测的时候，首先将语音数据流进行分帧，经过初步筛选后，对疑似咳嗽的语音数据提取MFCC参数，使用动态时间规整(DTW)算法，将其MFCC特征参数和模板库匹配。如果两者的倒谱系数距离在指定范围内，就可认为检测到咳嗽音信号。系统通过对搜集的咳嗽数据进行咳嗽自动检测，得出目前的识别算法的识别率为77.8％，误识率为12.9％。　　基于上述的研究，本文设计了一种24小时的咳嗽音监测系统。它包括PC端和便携设备端两部分。PC端实现了基本信息管理功能和咳嗽数据的管理分析功能，后者主要便于医护人员对病人进行咳嗽信号的统计和分析。便携设备端主要用于咳嗽音的监测，将咳嗽语音数据储存到设备端的本地数据库，并能够对所记录的咳嗽音数据做24小时的信号统计，包括强度和频率。　　本系统采用C/S架构模式，以SQL Server作为服务端的数据库，以SQL CE作为咳嗽音监测设备的本地数据库。利用远程数据访问技术(RDA)实现SQLServer和SQL CE之间的数据同步功能。在网络连通的情况下，病人可以在家里实现数据的上传和下载。　　通过临床25位病人的咳嗽监测可以得出，咳嗽音监测系统可以帮助临床上对咳嗽做出有效的评价，并且在试用中，该系统也得到了临床工作人员的肯定。　　目前，国内尚未发现在临床上使用的咳嗽音监测系统，如果本系统得到推广，将可以填补这一不足。在此基础上，如果能通过深入的机器学习功能，在本系统加入更多咳嗽方面的专家知识，可以帮助提高临床诊断的精确度。