心血管疾病一直是严重威胁人类健康的疾病之一,且其发病率在不断的提高,所以提高心血管疾病的早期诊断能力和确诊率是一项非常重要的任务。心音信号作为人体最重要的生理信号之一,含有关于心脏各个部分如心房、心室、大血管、心血管及各个瓣膜功能状态的大量病理信息,是心脏及大血管机械运动状况的反映。因而心音检测是了解心脏状态的一项重要手段,并具有心电检测不可取代的临床价值。心音信号是一种时变、非平稳的复杂信号,需要从时域、频域、时-频域三方面分析,才能全面了解其特征。由于在心音信号采集时会有各种干扰存在,因此除了需要硬件上进行滤波外,还需要在分析之前对心音信号进行预处理,来保证分析时心音信号的质量。本文采用自回归(AR)参数模型、短时傅里叶变换、小波变换、希尔伯特-黄变换(HHT)及支持向量机(SVM)等方法对心音信号进行分析和分类研究。本文主要工作如下：1.噪声去除。提出了一种改进的小波阈值去噪方法——双变量阈值去噪,通过实验效果对比,证明其对心音信号的去噪效果好于传统的软硬阈值方法。2.包络提取。本文采用经验模态分解(EMD)包络算法进行心音包络的提取,为第一心音和第二心音的定位以及时域特征的提取奠定了基础。3.特征提取。本文采用了HHT方法来获取心音信号任意时刻的频率分布,利用瞬时频率的均值和方差等统计方法量作为频域特征参数,并将时域和频域提取的参数一起组成心音信号的特征向量。4.正常与异常分类。介绍了SVM分类原理,并将其应用于心音正常和异常的分类诊断上。本文采用的80例正常心音的识别率达到98.9%,80例异常心音也获得了92.3%的识别率。