听诊是检查心脏的重要方法，也是较难掌握的方法，心音图检查能够获得比心脏听诊更加丰富的信息，对医生的经验要求相对较低，是心脏疾病辅助诊断的有效手段。心音图研究，尤其是心音信号特征分析与模式识别，是近年的研究热点，但由于心音生理机制复杂，导致研究难以深入、进展缓慢。本文在提取信号包络曲线的基础上，对心音信号进行特征参数计算和模式识别，并提出基于心音的心脏疾病辅助诊断系统设计方法。首先，采用小波变换技术提取心音信号的包络曲线，借助小波包络来计算特征参数。利用小波变换对采样频率为250Hz的低频心音进行3层分解，重构第3层的近似系数，得到信号的包络曲线。通过与其他心音包络提取方法对比发现，小波包络具有算法简便、曲线光滑、特征点突出等优点。继而借助小波包络来进行心音定位，可以有效识别S1、S2的起止位置及峰值点，通过计算得到心率、第一心音与第二心音最大幅值比（S1/S2）、舒张期与收缩期时限比（D/S）等有意义的心功能指标参数。其次，建立支持向量机和神经网络预测模型对心音信号进行模式识别。选取70例心音样本，提取样本信号的小波包络，以包络面积和小波能量为特征值，建立支持向量机预测模型对信号进行二分类，识别准确率达到90%以上。进而采用功率谱信息熵对包含二尖瓣杂音的高频信号进行分析，对杂音进行三层小波包分解，以8个子频段的功率谱信息熵为特征值构成八维特征向量，分别建立支持向量机和神经网络模型对信号进行分类，结果表明功率谱信息熵在杂音识别中具有重要作用。最后，提出心音辅助诊断系统实例设计方法。采集人体的心音信号，无线发送至计算机处理系统进行信号分析与识别，计算出各种指标参数，从而判断心音是否存在异常。将获得的信息反馈给医生，医生结合门诊病历、患者其他参数检测结果及自身经验进行综合分析，可得到更为准确的诊断结果。此设计旨在通过心音检测及特征分析，为心脏疾病的诊断及预防提供辅助作用。