心音是包含有重要生理、病理信息的医学信号之一,对心音信号进行分析是基于心力-心音关系的心脏储备无创监测系统的关键环节。一个完整的心动周期按时间顺序主要分为4个部分:第一心音(S1)、收缩期(S)、第二心音(S2)、舒张期(D)。第三心音与第四心音一般很微弱,相关的研究比较少。虽然心电分析是心脏变时性和变传导性的最佳监测方法,但不能用来检测心脏的变力性。第一心音的幅值是心肌收缩能力的标准量度,因此可以用心音图来对心肌收缩能力进行评估。如果心脏器官某一部位发生病变,则在心音相应组成成分上会有所反映,如冠状动脉狭窄会在心音的舒张期产生杂音。在对心音信号做进一步分析处理之前,对心音进行分段是必需的。心音信号虽然有一定的特征以及规律,但由于受各种因素的影响,在临床上表现出的形态极为复杂,给心音的准确定位带来相当大的难度。在心音的采集过程中,噪声的引入是不可避免的,因此,要准确的对心音成分进行识别,首先需要对采集到的心音样本信号进行去噪处理。针对心音的非平稳性,本文分析了各种时频方法、小波分析以及数学形态学方法在心音信号处理中的应用,引入了自适应提升小波方法进行去噪,取得了良好的效果。对去噪后的心音提取信号包络,结合心音相关的生理学知识以及大量临床心音数据的统计分析结果,对心音信号进行识别,自动将S1,S2,收缩期和舒张期进行区分,以便于心音相关特征参数的提取和进一步的处理。针对不同类型的心音信号进行了专门的分析和处理,利用S1、S2的幅值特征和收缩期、舒张期特征,分析了心律不齐和二联律两类异常心音信号的特点,并专门针对这两类心音信号设计了识别方法,用大量实际心音数据进行了验证,并用MATLAB-GUIDE工具箱编制用户交互式界面程序,对所设计的算法进行了仿真实验。利用本文提出的算法对212例心音信号进行了分析测试,心音的来源为实际采集的心音数据。本算法对S1与S2识别的准确率达到了98%,特别对心律不齐和早搏二联律心音的识别正确率都达到了95%以上。实验结果表明,本论文提出的算法对S1与S2的识别准确率较高,为进一步的心力变异性分析以及临床诊断的应用奠定了良好的基础。