随着人们生活方式的变化，心血管疾病的发生率正在逐年增加，且呈现年轻化趋势。据有关报道显示，心血管疾病已经跃居人类生命健康危险因素排行榜之首。在临床上，人体生理信号已广泛应用于心血管疾病的诊断，是临床确诊心血管疾病的最有效手段之一。人体的生理信号纷繁复杂，主要包括电生理信号和非电生理信号。在心血管系统中有两大重要的非电生理信号，即心音和脉搏，这两种信号之间相互联系，并蕴藏着心血管系统内部的大量生理和病理信息，为心血管疾病的检测和诊断提供了可靠的基础，是生物医学工程和医学临床领域研究的重点课题。本文通过综合和改进现有分析算法，逐个分析心音和脉搏信号各自具有的特点，提取心音和脉搏信号各自对应的特征值，研究了心音和脉搏特征值中与心血管疾病有关的因素，通过SPSS做因子分析找到这些特征值中相关性较大的参数，获得9维特征向量[d₁, d₂, d₃, d₄, a₄, E_S1, E₍S2_, T_i, T_j]，其中d_i是经过小波分解之后，信号第i层的高频分量，a₄为近似信号，E₍S1_, E_S2是第一心音和第二心音对应的能量，T_i是第一心音到第二心音的时间间隔，T_j是第二心音到第一心音的时间间隔。结合信息融合技术，将所获得的特征参数作为BP神经网络的输入层节点参数，对信号进行了分类识别，有效的区分了四种异常心音信号，即二尖瓣狭窄、二尖瓣关闭不全、主动脉瓣关闭不全及主动脉瓣狭窄的特征信号，建立了多参数生理信息融合模型，初步实现了心血管疾病的无创早期检测。该方法在家庭保健中的心血管疾病的自检和预警等方面具有潜在的应用前景。论文的主要工作如下：（1）分析心音、脉搏的特点，利用现有的采集系统设计完成了信号采集硬件平台，然后在Matlab GUI可视化开发环境下设计了心血管疾病的早期诊断软件系统。所设计的系统能够有效地实现心音和脉搏信号的采集、分析和评价，这为心血管疾病的早发现、早诊断提供了一个新途径。（2）通过比较EMD滤波、相位滤波以及小波滤波的滤波效果，选择小波滤波方式对心音和脉搏进行了去噪处理，然后利用Shannon熵提取了心音信号的包络，实现了对心音信号的定位和分段，利用HHT对心音信号做时频分析，并对PWV的计算做了改进。（3）通过小波分析、香农熵和时间门限等信号处理方法提取心音和脉搏信号的特征参数，包括小波分解提取的每一层中的小波熵，经过香农熵包络提取的信号能量，以及通过时间阈值得到的时间间隔等，通过因子分析保留其中最有价值的特征，剔除无关项；（4）根据心音和脉搏波信号特征参数及心血管的四种情况，对四类心音的识别构建了由9-10-4结构的BP神经网络，实现了主动脉关闭不全、二尖瓣狭窄、主动脉瓣狭窄、二尖瓣关闭不全等心血管疾病的识别，识别率分别为73.33%、86.67%、80.00%和93.33%。通过交叉实验和利用变学习率等的方法，重新构建新的BP神经网络模型11-8-2，提高了BP神经网络的识别率，实现了对心血管疾病患者88.33%的识别率，对健康人群的识别准确率达到91.67%。