پردازش سیگنال های گفتاری بیماران و مقایسه ی آنها با سیگنال های گفتاری ثبت از افراد سالم، یکی از رایج ترین روشهایی است که با استفاده از آن می توان به بررسی میزان ناهنجاری قسمت های مختلف دستگاه تولید گفتار در انسان پرداخت. هدف از به کارگیری روش های غیرتهاجمی، انجام امور تشخیصی و ارائه ی راهکارهای پیشگیرانه، کمک درمانی و درمانی است. با بهره گیری از چنین روش هایی، می توان با ثبت سیگنال گفتاری افراد توسط یک میکروفون و با صرف هزینه و زمان کم، به بررسی احتمال بروز گونه های بدخیمی از بیماری های جهاز صوتی، به ویژه حنجره و تارهای صوتی، در مراحل اولیه ی آن ها پرداخت. در این پایان نامه، به استخراج ویژگی های خطی سیگنال صوتی و بررسی آن ها پرداخته شده است. این ویژگی ها برای ناهنجاری های متفاوت، توسط چند نوع طبقه بندی کننده، از یکدیگر جدا می شوند و برای بهبود نتایج، از الگوریتم ژنتیک و الگوریتم های موسوم به درخت بهینه استفاده می شود. نتایج حاصل نشان می دهد که امکان جداسازی ناهنجاری ها، با تغییر الگوریتم های بهینه یابی به شدت تغییر می کند و به دست آوردن بهترین روش انتخاب ویژگی بهینه، می تواند راهکار مناسبی برای رسیدن به هدف جداسازی ناهنجاری ها باشد. برای مثال برای جداسازی ناهنجاری پولیپ و تشنج از یکدیگر، با اعمال الگوریتم ژنتیک بر ویژگی های مرحله ی پنجم ویولت، به نتیجه ی 75% خواهیم رسید. حال آنکه، اعمال این الگوریتم بر ویژگی های حاصل از معیارهای هلینگر، فیشر و عدم شباهت، به ترتیب نتایج 80%، 82.5% و 90% را ایجاد خواهد کرد. از طرفی، به جمع آوری دادگان بومی پرداخته شده است و روش های خود را بر این دادگان نیز اعمال کرده و به نتایجی که در فصل 7 مشاهده خواهید کرد دست یافتیم.