心血管疾病严重威胁着人类的身体健康,它的死亡率已高居各类疾病之首。心音信号是人体重要的生理信号之一,它包含了心脏各个部分功能状态的大量生理病理信息。对于心音信号的采集和分析研究对提高心血管疾病的诊断能力和确诊率是有非常重要意义的。心音信号是一种时变,非平稳,微弱的复杂信号,所以对于心音信号的特征提取和分类识别是现在研究的难题。在本文中,将从心音信号的采集、去噪、特征提取、分类识别来对心音信号进行分析研究,主要研究内容如下:1.自制了一种简单、有效的心音信号采集装置,并结合LabVIEW8.6虚拟仪器开发平台采集程序对心音信号进行采集。在采集过程中,可以实现心音信号的实时波形播放,提高采集效率。2.在心音信号的采集过程中,易受到其他干扰噪声的干扰,为了去除这些采集过程中的干扰噪声的影响,本文采用了小波变换的方法,并用LabVIEW8.6设计了心音信号除噪的程序。通过除噪前后的心音信号输出波形可以看到,这种方法具有良好的去噪效果。3.将时间序列分析方法引入到心音信号的分析研究中。对心音信号建立时间序列自回归(AR)模型,利用AR功率谱和双谱估计的方法,结合LabVIEW8.6构建了心音信号的功率谱曲线图和3D谱图。通过正常与异常心音信号的功率谱曲线图和3D谱图的对比分析,在两种图形上明显看到了二者之间的区别。之后利用功率谱和双谱来分析心音信号的能量与相位信息,对所研究的心音信号进行分类识别。通过这几方面的研究,可以看到正常和异常的心音信号存在着显著的不同。在功率谱曲线的分析中可以看到,正常心音信号较异常的能量低,而且能量主要集中在低频段,而它的曲线不存在谱峰而异常的信号存在谱峰,将功率谱曲线中几个能量分布的特征做为特征信息,对正常和异常的心音信号进行了分类。而在3D谱图中,异常心音信号不存在谱峰,顶端发散,而正常信号存在明显谱峰不发散,但能量相对较低,并将AR模型的模型参数做为特征向量,通过马氏距离的计算,来区别正常和异常心音信号,取得了不错的效果。可以为医生提供有效的参考,提高对患者的诊断率。