近年来,为了使得对心脏病监测方便、快捷,互联网、物联网和穿戴式传感器技术的发展为监测心脏病提供了一种新的途径——通过对心音信号的长期监测实现心衰发展趋势分析、猝死预测,从而达到辅助诊断的目的。但是,心音信号进行长期同步采集时,产生的数据量大。因此,如何存储心音信号数据、使诊断设备长时间待机并保证稳定运行等问题有待解决。压缩感知是一种新的在采样的同时实现压缩目的的理论框架,能以较低的频率采样信号,并且可以高概率重构该信号,这为可穿戴设备的低功耗长时间运行、存储大量心音信号数据提供了可能的解决方案。本文提出了出一种多路同步采集信号并行压缩感知模型,为长期监测存储生理信号提供了可能。首先,根据多路同步采集信号特点和压缩感知理论,提出一种多路同步采集信号并行压缩感知模型。此模型可以对多路心音信号进行同步采集,并行压缩,重建信号,便于重建多路心音信号从而对其特征提取分类识别异常心音,为长期监测存储心音信号、分析预测心衰猝死提供了可能,进而可推广并行压缩感知处理技术应用于其它多路同步采集的生理信号。本课题提出的模型主要有五个特点:A.最大压缩比,实现对多路同步采集信号数据最大程度的压缩保存,以便减少存储数据的空间;B.最优重建,本文提出使用基于₁的最小二乘内点法作为重建算法,为保证压缩感知重建信号的复原性,尽可能使重建信号与原始多路同步采集信号具有较高的相似性;C.低代价,重建多路信号时,减少软硬件的计算代价;D.针对性,针对特定的多路同步采集信号,基于多路信号时域特性、频域特性和稀疏特性等特性实现多路采集信号的并行压缩感知;E.最低存储量,以单路串行的方法压缩多路信号,仍然是存储多路信号的压缩数据量,没有达到最低存储量的目的,因此选择对主信号压缩感知,仅仅需要存储主信号的压缩数据即可。其次,为满足作为身份识别的需求,将成千上万的人的生理信号存储,为分析出一个人的活动模式和健康状况,将个人长时间连续记录生理信号信息的选择性存储,本文将生理信号处理技术与压缩感知技术相结合,提出了一种针对生理信号的非重构压缩感知的分类方法。该方法能在压缩域对心音信号进行分类存储,并具有较高的分类存储正确率。最后,分别利用多路同步采集信号并行压缩感知模型对四路正常心音信号和四路异常心音信号进行处理分析,从实验分析结果来看,此模型对今后长期监测存储心音信号、分析预测心衰猝死具有一定的参考价值。