心脏听诊在心脏病诊断方面具有重要意义,先天性心脏病初诊目前主要是依靠临床医生听诊来进行初步诊断,心音信号是一种微弱的音频信号,其中包含着丰富的心脏活动信息,对心音信号从信号分析的角度进行研究已经发展成为生物医学信号处理领域的热点和难点,国内外学者大多从传统信号处理的角度对心音信号进行分析研究。本文力图另辟蹊径,通过研究心音信号的形态特征,应用变值逻辑方法,将提取包络后的心音信号进行一系列变值逻辑变换处理,最终形成二维散点分布图,从而可以直接观察到不同病种的二维散点图,不同病理性的心音信号在对应的二维散点分布图中表现出的不同分布特征,具体内容包括以下几点:1.心音信号预处理。传统的心音信号预处理通常包括对心音信号进行降噪、包络提取等。但由于噪声门限不易控制,且容易将病理性的心脏杂音去除,因此本研究的预处理选择未去噪的质量较好的心音信号进行包络提取。2.包络提取方法选择。分别采用希尔伯特黄变换方法、香农能量方法和维奥拉积分法对正常心音信号和病理性心音信号进行包络提取,并对提取出的包络进行算法标记,对各种包络提取方法的优缺点进行分析,结合算法特点,最终选择维奥拉积分法作为心音信号的包络提取方法。3.心音信号的变值模型转换。对提取的心音信号包络进行变值逻辑算法处理,将心音信号转换成可视化分析所需的10个测度。4.可视化分析识别。通过对10个测度的分析,选择其中的一到两个测度进行可视化,分别作出心音信号一维散点图和二维散点图,同时结合不同心音信号的具体特点,进而分析出其对应散点图的特点。本文对临床上采集到的心音信号进行了全面的研究,将病理性心音信号与正常心音信号转换成对应的散点图,并对一维散点图进行分析识别。实验结果证明,对病理性心音信号的识别率(Sensitivity,敏感性率)达到81.3%,正常心音信号识别率达到76%(Specificity,特异性率),准确率ACC能够达到80%,该系统具有较好的识别效果。