心脏是人体非常重要的器官,其活动状况往往能反映我们的生理或者病理情况。心音是评估心脏病的重要线索,是高级诊断检查的指南,常用于心血管疾病的早期诊断。心音听诊是身体检查的重要部分并可以发现许多病理性心脏病。心血管疾病的积极预防以及可靠的监控对于抑制心血管疾病的蔓延起到非常重要的作用,也是治疗心血管疾病的重要举措。由于人工听诊具有操作简单﹑低成本﹑听诊效果显著和容易转移听诊环境等特点,所以听诊器听诊成为了目前诊断心脏疾病最常用的一种手段。然而人工听诊需要医生具备丰富的临床经验和过硬的专业知识,而且容易受到临床环境噪声的影响。因而提供一种对心音信号进行自动分类的方法是非常有必要的,特别是能对复杂临床环境的混合心音信号进行分类。为了模拟复杂的临床听诊环境,用不同的污染强度和污染比例来表示心音信号被环境噪声污染的程度,本文采用实验室本课题组的噪声数据集按照不同污染程度随机污染心音信号进而获得不同污染程度的混合心音信号。由于环境噪声对心音分类会造成很大的干扰,如果直接使用分类网络对临床心音信号进行心音分类会导致分类效果不理想。因此,有必要在分类网络之前添加一个预检测网络,以减少环境噪声对分类效果的影响。本文提出了预检测网络+分类网络双网络结构的心音分类方法,主要内容如下:(1)利用预检测网络剔除被环境噪声污染的心音片段,以减少环境噪声对分类效果的影响。预检测网络由噪声识别模块和信号重构模块组成,其中噪声识别模块采用的是基于卷积神经网络和双向长短时记忆网络的噪声识别算法。(2)心音信号的分类。混合心音信号分类采用的模型结构是预检测网络+分类网络双网络结构,其中分类网络是基于卷积神经网络和单双向长短时记忆网络的分类模型。预检测网络+分类网络双网络结构和分类网络单一网络结构分别进行混合心音信号分类的仿真实验,然后对仿真实验的结果进行对比分析,实验证明采用预检测网络+分类网络双网络结构对混合心音信号的分类效果要比分类网络好。说明了在复杂的临床听诊环境下预检测网络+分类网络模型抗干扰能力更好,鲁棒性更强,分类效果更有效。