随着社会经济的飞速发展，网络通信技术越来越成熟，已经应用于人类生活的各个方面，所以人们对个人信息的准确性、安全性、隐私性越来越关注，因此人们渴望探索出一种更准确、更安全、更隐私的身份认证和识别技术。生物特征识别技术(Biometrics)应运而生。生物特征是生物个体固有的特征，可划分为：生理特征和行为特征。生物特征识别技术就是利用生物的两种固有特征完成个人身份识别鉴定的，具有防伪性能好，不易遗忘，随身携带，随时可用等优点。相比于钥匙、徽章、个人证件、ID卡等其它基于密码学的传统身份认证方式更安全、可靠。目前，人脸识别、虹膜识别、手形识别、指纹识别、掌纹识别、签名识别、声音识别等生物特征识别技术已经有了较为广泛的应用，但是这些生物特征识别技术在实际应用中也暴露出了自己的不足，其中最明显的是这些生物特征都可以被人蓄意伪造，给识别带来了很大的安全隐患。心音信号作为人体最重要的生理信号之一，具有普遍性、独特性和易采集性的特征识别优势，而且它属于人体内源信号，不易被复制。　　本文主要研究基于心音信号THT(Teager Huang Transform)边界谱和矢量量化(Vector Quantization，VQ)的方法进行个人身份识别。首先，分析心音信号的产生机理和时频特性，介绍心音信号采集方法并构建多种心音数据库；接着利用双自适应提升小波对心音信号进行预处理；然后提取心音信号的THT边界谱，利用VQ进行个人身份识别；最后，设计一系列实验，测试算法各参数和不同心音数据库对心音身份识别算法性能的影响。本文主要内容如下：　　1)介绍心音信号的产生机理以及其时、频域的分布特性。　　2)对80位志愿者在多种条件下进行心音信号采集，构建多种心音数据库。　　3)提出利用双自适应提升小波算法对心音信号进行预处理。通过信号分裂、自适应更新、自适应预测三个步骤构造小波函数，再将传统的软、硬阈值函数相结合，构造一个新的阈值函数对心音信号进行去噪处理。　　4)提出基于心音信号 THT边界谱和VQ的个人身份识别算法。首先对预处理后的心音信号做 THT变换，提取其边界谱；然后利用VQ完成个人身份的识别。　　5)设计一系列实验测试本文算法的性能。根据实验结果分析不同参数对心音身份识别算法性能的影响，获取优化的分析参数；测试算法在不同采集位置、不同情绪和不同运动状态心音数据库上的识别性能。