心音是临床上诊断心血管疾病的主要生理参数之一。传统的心音听诊广泛应用在心脏类疾病的早期筛查中,诊断结果主要凭借医师的主观意见,较容易出现误诊、漏诊等情况。本课题旨在研制出较好的心音采集设备对建立心音数据库提供帮助,并且设计出一种有效的心音识别算法对正、异常心音进行分类判别,辅助医生诊断,提高心脏类疾病的早期筛查率。本文设计并实现了一套心音采集、传输、存储与显示以及心音信号分析的系统,包括硬件部分和软件部分。系统硬件部分:原始的心音信号最大幅值在40m V左右,采用医用听诊头结合驻极体麦克风作为心音传感器能不失真的提取出完整的心音信号,然后经信号调理电路将微弱信号放大、滤波等处理。采用STM32F103ZET6作为主控芯片,自带12位ADC控制器对心音信号进行2500Hz的AD采样,无线传输采用了具有超低功耗、低延迟的nRF52832为核心的蓝牙5.0模块,从UART接收数据后无线传输到PC端。PC端基于MATLAB平台设计了电子听诊界面,可实现心音波形的实时显示、数据的存储以及回放。心音去噪部分,针对心音信号是微弱、背景噪声强的非平稳随机低频信号,IIR低通数字滤波器可较好的滤除掉高频噪声,IIR带阻滤波器去除50Hz工频干扰,经实验对比在去噪效果相同时,采用切比雪夫Ⅰ型低通滤波器的阶数远小于巴特沃斯低通滤波器。针对噪声与信号重叠频段,利用小波去噪的时频局部性以及多分辨率特性,采用db6小波全局默认阈值去噪对信号5层分解去噪。心音包络提取对比了归一化香农能量与希尔伯特黄变换两种方法。对预处理后的信号,选取db6小波基将心音信号分解为小波包树。实验发现对信号进行小波包5层shannon熵分解得到32个频段时,分析正、异常心音信号能量谱图,选取分解后信号的前16个频段的节点能量值能反映出正、异常心音成分的变化,E1～E16可较好的反应正、异常心音信号之间的差异性。选取全连接神经网络作为分类器,将小波包分解得到的16个频段能量特征值作为分类器的输入。利用Physio Net数据库的心音数据以及本文自研设备采集的正常人的心音数据共470个样本用于全连接神经网络的训练与测试,优化分类器的参数。训练时,选取430个样本进行了6折交叉验证,得到6组模型的平均准确率为89.53%。测试时,将剩下的40个正、异常心音样本分别放入6组网络中测试,平均识别率为86.7%。本文的心音研究系统有助于心音数据库的建立,采用的FCNN算法在正常异常心音识别上也得到较好的效果,有望应用于心音的辅助诊断上。