1.一种基于声学指标的构音障碍分级评估方法，其特征在于，包括下述步骤：
采集脑卒中后构音障碍患者的语音数据；
提取所述语音数据的客观声学特征听懂度，通过采访级录音笔收集a例临床确诊为构音障碍患者的每人b个音节，所述音节包括单元音、复合元音、辅音和声调，通过软件剪辑成b独立音频文件，通过matlab软件编程随机提取独立音频文件，听辩者根据随机听到的声音进行记录，完成与目标音的差异度分析，并计算声学特征听懂度，所述声学特征听懂度，是在国内外认可度高、灵敏度好的病理语音分析指标；
将所得的声学特征听懂度基于人工智能的自动聚类法算法k-means确定语音轻度异常、中度异常、重度异常的临界值；
使用该听懂度临界值，用于临床评定被试者构音障碍的严重等级。
2.根据权利要求1所述基于声学指标的构音障碍分级评估方法，其特征在于，采集脑卒中后构音障碍患者的语音数据采用的是《中国构音障碍语音评估系统词表》，所述《中国构音障碍语音评估系统词表》由82个目标音组成；所述a取值为100，b取值为82。
3.根据权利要求1所述基于声学指标的够音障碍等级评估方法，其特征在于，采集脑卒中后构音障碍患者的语音数据时，采取的sonyzoomh4npro便携式数码录音机进行录音，采样率为44100hz，采用精度为16bit，双声道，对所有被试者进行录音，被试者取端坐位，笔者手拿录音机，被试者口唇距录音机约10cm，语速自然平稳、音量适中，将词表重复录2次。
4.根据权利要求3所述基于声学指标的够音障碍等级评估方法，其特征在于，将所述语音数据使用音频剪辑软件剪辑后存档，随后将被试者使用cooleditpro2.1软件进行单个元音的剪切，并使用wav格式保存存档。
5.根据权利要求1所述基于声学指标的够音障碍等级评估方法，其特征在于，评判客观声学特征听懂度，采用两女一男分别进行客观声学特征听懂度的评判，随后将3人的听懂度结果进行一致性检验后取其平均值，最终得出被试者的客观声学特征听懂度；对两女一男共3人听懂度的结果进行一致性检验，客观评判该声学特征听懂度结果的准确性。
6.根据权利要求1所述基于声学指标的构音障碍分级评估方法，其特征在于，还包括对客观声学特征听懂度进行预处理，通过录音获得连续的音频文件，预处理是通过语音软件观察被剪辑的音节是否符合强度适中，机振动波幅平均在采集框高度的1/3-2/3、无明显噪音或干扰，通过praat3.0软件观察并确定f1的起始为起点，f2的结束为终点，采用cooleditpro2.1剪辑出每个患者的82个音节样本，每个音节在观察和剪辑前有两个录音样本备选，仅当第一个样本不能使用时方启用第二个样本。
7.根据权利要求1所述基于声学指标的构音障碍分级评估方法，其特征在于，所述提取所述语音数据的客观声学特征听懂度，具体通过下述方式实现：
将a例构音患者每人的b个语音发声采用随机抽取的方式让听辩者判断，并记录，每个听辩者听理解后记录到的声音与目标音的完全一致则记录为2分；每个听辩者听理解后记录到的声音与目标音的有部分不一致(元音、辅音、声调)则记录为1分；每个听辩者听理解后记录到的声音与目标音的完全不一致或为刻板无意义发音则记录为0分，如果82个音节完全准确，听懂度量化值164(82*2)，完全不正确，听懂度量化值为0(82*0)。
8.根据权利要求1所述基于声学指标的构音障碍分级评估方法，其特征在于，将所得的声学特征听懂度基于人工智能的自动聚类法算法k-means确定语音轻度异常、中度异常、重度异常的临界值，具体为：
8.1、每个患者n个独立语音音频，其量化听懂度值在0-164之间；
8.2、名患者有各自a个量化值，构成数据集，x＝{x1,x2,x3,...,xm}
8.3、通过误差平方和sumofthesquarederrors确定最优的分类数，即通过k-means法最终希望将构音障碍分为几级严重程度；
其中，ci是第i个簇，p是ci中的样本点，mi是ci的质心，ci中所有样本的均值，sse是所有样本的聚类误差，计算中，如果随着聚类数k的增大，样本划分会更加精细，每个簇的聚合程度越来越高，误差平方和会逐渐变小，因此计算过程中由小到大调试k值，当k小于真实聚类数时，由于k的增大会大幅增加每个簇的聚合程度，故sse的下降幅度会很大，而当k到达真实聚类数时，再增加k所得到的聚合程度回报会迅速变小，此时sse的下降幅度会骤减，然后随着k值的继续增大而趋于平缓，这个趋于平缓的转折点就是最终确定的k值，也就是分类数；
8.4、在matlab2013b中输入数据集，设定k值，最大迭代次数n由自动收敛决定输出是簇划分c＝{c1,c2,...ck}
1)从数据集x中随机选择k个样本作为初始的k个质心向量：
2)对于n＝1,2,...,n
a)将簇划分c初始化为
b)对于i＝1,2...m，计算样本xi和各个质心向量μj(j＝1,2,...k)的距离：
c)对于j＝1,2,...,k,对cj中所有的样本点重新计算新的质心
e)如果所有的k个质心向量都没有发生变化，则转到步骤3)
3)输出簇划分c＝{c1,c2,...ck}
8.5根据步骤8.4计算出k的取值，即轻度、中度和重度构音障碍的数据集、质心值、边界值，轻度与中度障碍的边界值，重度与中度障碍的边界值即为确定的临界值。
9.根据权利要求8所述基于声学指标的构音障碍分级评估方法，其特征在于，计算出最佳k值是3，符合临床对疾病严重程度分类的习惯。