随着信息化时代的到来,传统身份识别方法的安全性正面临着挑战。生物特征识别是指利用人体本身的生理和行为特征来进行身份鉴别的技术,诸如指纹,虹膜,人脸等,这些生物特征识别技术在身份识别方面虽然取得了初步推广,但在实际应用中仍面临许多挑战,其中比较突出的是生物特征识别的安全问题,容易被仿冒,探索新的更具安全性的生物识别方法是身份识别领域的热点之一。本文主要研究了噪声环境下基于心音信号的身份识别方法。在分析了心音产生机理的基础上,提出了基于总体平均经验模式分解(Ensemble Empirical Mode Decomposition, EEMD)和噪声分布特性的消噪方案,然后分别从信号的时域和频域提取能表征个人唯一性的特征,设计了相应的匹配算法,对实际采集的个人样本进行了测试,获得了较高的识别率。本文主要工作如下：1、研究了心音信号的产生机理,分析了心音信号特性和其常见的噪声来源,为噪声环境下心音信号的生物识别研究奠定了基础。2、研究了基于EEMD和噪声分布特性的消噪算法。首先,系统地研究了经验模式分解(Empirical Mode Decomposition, EMD)和EEMD的基本原理、算法步骤以及在实际应用中存在的问题。然后,通过分析噪声经EEMD分解后的分布特性,提出了基于EEMD和噪声分布特性的心音消噪算法。利用EEMD方法将含噪心音信号分解,得到内蕴模式函数(Intrinic Mode Function, IMF)的能量分布特性图,根据噪声的置信曲线有选择性的重构IMF,得到消噪后的信号。最后利用模拟信号和实测的心音信号验证了该方法的可行性和有效性。3、提出了心音时域自相关特征提取识别算法。首先将消噪后的心音信号加窗截断,然后计算出每段心音信号的自相关系数,再利用离散余弦变换对自相关系数进行有效降维,最后采用最近邻分类器进行匹配,实现个人身份识别。研究了不同的窗类型、不同的窗长度对算法性能的影响。4、提出了心音谱系数特征提取识别算法。首先加窗截断消噪后的心音信号,分析信号的频谱,采用欧式距离法进行模式匹配,验证了算法的可行性,最后对算法的性能进行了分析,指出了算法的优缺点。本文的研究提供了一种准确率高、鲁棒性强、防伪能力好的生物识别新途径,为心音身份识别技术的应用奠定了坚实的理论基础和技术支撑。