心音信号包含各种与心血管疾病有关的信息,这些信息主要通过心脏听诊来获取。心脏听诊是诊断心血管疾病的一种非常重要的方法。然而,通过听诊来诊断各种心血管疾病是需要多年的经验才能获得的一项技能,这种技能对于人们来说不容易掌握。因此,开发一套心音信号自动分析的系统将非常有助于人们对心脏健康状况进行监测。本文针对心音信号自动分析系统的开发,做了一系列的研究,主要工作如下:　　(1)研究了心音分段算法。介绍了归一化平均香农能(NASE)算法和简单度算法,并提出一种简单度-NASE算法。通过三种算法对心音信号分段的实验,表明简单度-NASE具有比较高的分段正确率,并能够很好地识别出第一心音(S1)和第二心音(S2)。　　(2)研究了用主分量分析(PCA)、Fisher准测线性判别分析(FLDA)对MFCC提取后的特征进行变换,再经最大相似度线性转换(MLLT)提取心音特征参数。讨论这些参数在隐马尔可夫模型(HMM)下选取不同状态数和高斯混合数对心音分类正确率的影响。实验表明,FLDA_MLLT特征在状态数为6和高斯混合数为16时具有较好的分类效果,总体分类正确率达到91.78％。　　(3)基于 LabVIEW平台独立开发一套心音信号分析系统。该系统包括心音信号的采集与显示、预处理、时域分析、时频分析和诊断分析五个功能模块。这些功能模块的实现,对监测人们的心脏健康状况具有重要的实用价值。