随着当前社会经济的快速发展，网络通信技术已经延伸到了日常生活的各个角落，信息的安全性、准确性、私密性的要求显得尤为重要，因此寻求更有效的身份验证和识别技术也越来越引起人们的关注。生物识别技术正是面向这一需求和挑战而快速发展起来的技术。相比于传统的身份识别方法（钥匙、徽章、个人证件、ID卡及其他基于密码学的认证方式），生物识别技术（Biometrics）利用人体固有的生理特性和行为特征来进行个人身份的鉴定，不会出现遗忘/遗失等情况，有着较强的安全性和可靠性。目前，已经商业化的生物识别方法主要有指纹识别、语音识别、虹膜识别等。心音信号是人体重要的生理信号之一，具备普遍性、独特性和易采集性的生物特征，同时它属于人体内源信号，不易被模仿或复制。本文研究了利用心音信号进行个体身份识别算法。首先分析了心音信号的产生机理和时频域特性，构建了多种心音数据库，对心音信号进行了预处理（去噪、分帧、加窗）；然后提出了基于心音信号THT边界谱和矢量量化VQ的辨识方法；最后，设计了一系列的实验，测试心音身份识别算法的性能，获得了较高的正确识别率，本文主要工作如下：1、阐述常用的生物识别技术，以及心音信号用于生物识别的背景意义，介绍心音信号的产生机理和时频域分布特性。2、提出了基于总体平均经验模式分解（Ensemble Empirical Mode Decomposition，EEMD）的心音信号的预处理算法。根据心音信号和噪声的不同分布特性，利用EEMD分解心音信号，得到内蕴模式函数（Intrinsic 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保留IMF，选取阈值对保留IMF分量进行处理；然后重构恢复出心音信号；针对心音信号的准周期性，对信号进行质量检测，提高了系统的鲁棒性。3、提出了基于THT（Teager Huang Transform）边界谱和矢量量化（Vector Quantization）的个体身份识别算法。首先将消噪后的心音信号加窗截断，然后对心音信号做THT变换，提取边界谱特征；再利用矢量量化，实现个人身份识别。4、设计一系列实验测试算法的性能。系统分析了不同参数的选取对识别性能的影响，获得了优化的分析参数。研究了算法在各类心音数据库（不同测试位置、不同情绪和不同状态）上的性能。实验结果表明，本文所提出的算法取得了较好的识别率。本文的研究提出了一种识别率较高的心音信号识别方法，为心音身份识别系统的构建奠定了基础。