心音信号是人体最重要的生理信号之一,它含有关于心脏各个部分如心房、心室、大血管、心血管及各个瓣膜功能状态的大量的生理病理信息,在心血管系统功能评价和疾病诊断中具有重要的理论意义和实用价值。相对于临床上广泛使用的ECG信号,心音信号具有自身的特点和优势。首先,心音信号记录操作方便;其次,心音对某些心血管病变的敏感性比ECG信号高;最后,心音是进行心脏变力性分析的理想工具,是分析心肌收缩变化趋势的基础。因此对心音信号的定量化、系统化的分析在基础研究和临床诊断上都有着十分重要的意义。对心音信号进行正确的识别,定义出其主要的特征参数,是进行任何心音信号分析应用的基础。由于心音信号的复杂性,以前的不依赖参考信号的心音信号独立识别算法都存在识别准确率低、运算复杂等问题。在综合分析以前各种心音识别算法的基础上,本文提出了一种基于概率神经网络PNN的心音信号识别算法,将概率神经网络作为心音信号分类器,取得了较好的识别效果。本算法主要包括以下内容:基于小波变换的心音信号预处理;基于规则平均Shannon能量变换的心音信号包络波形提取;基于心音包络信号的第一心音S1、第二心音S2波峰提取和定位;心音信号特征矢量定义,作为概率神经网络的输入矢量;基于概率神经网络的S1、S2识别。此外也讨论了运动后高心率心音信号的识别方法,取得了好的效果。利用本文提出的算法对来自9种不同类型的45个心音信号样本的波峰进行了分类识别。结果显示,本算法对正常心音以及包含心音分裂和第三心音、第四心音的心音样本的正确识别率为100%;对包含收缩期杂音的心音样本的正确识别率为92.1%;对包含舒张期杂音的心音样本的正确识别率为94.7%;对包含附加音的心音样本的正确识别率为91.3%。在此基础上,对心音信号的主要特征参数进行了定义,为进一步的心音分析奠定了良好的基础