心音信号是心脏及心血管系统机械状况的反映，是包含了人类心脏各部分的生理和病理信息的重要信号。目前通过心音信号诊断疾病的方法主要是人工听诊，如果能够研究出一套行之有效的算法对采集到的心音进行自动识别分类，当发现病变的心音时能自动做出判断提示甚至发出报警信号，这对心脏疾病的临床研究具有极其重要的研究价值，本课题正是根据这一需求来开展的。本文主要做了如下工作。①本论文首先从生理学角度对心音信号的产生进行了阐述，并分析了心音信号的主要成分及其时频特性、心音信号中常见的心杂音及其时频特性。作为心音信号自动识别系统的数据采集部分，本文采用HKY-06B心音传感器采集心音信号，通过CoolEditPro2.1录音软件实现对心音信号的格式转换和储存。②心音信号的预处理。这个过程包括心音信号的分帧、心音信号端点检测以及心音信号去噪。心音信号的分帧是利用滑动的矩形窗对心音信号进行处理的。采用双门限检测法对心音信号进行端点检测，去噪采用的是小波分析法。文章通过讨论与分析小波分析法中基函数、分解层次、阈值等的选取，结合心音信号的特点，选择合适的方法进行预处理过程。通过实验可以证明，利用系数可调节阈值法，选用sym7小波函数对心音信号进行5层分解，能够达到理想的去噪效果。③用两种方法对心音信号的特征参数进行了提取，分别是对心音信号进行EMD分解以及提取心音信号的Mel频率倒谱系数（MFCC参数）。通过对比得出了MFCC参数能够比EMD分解取得更好的识别效果，并大大缩短模型训练的时间。④心音信号的识别。对心音信号的识别方法研究，本文采用的是高斯混合模型法。即建立一个由44例正常心音建立的高斯混合模型库。对于待识别的心音信号，对其建立高斯混合模型输入模型库进行识别，识别结果输出被识别心音在高斯混合模型库中的最大后验概率。当此概率大于95%，认为此被测心音属正常心音，若低于95%，认为被测者心音信号出现异常，建议接受进一步的检查。实验结果验证了心音信号模式识别系统的可行性，对正常心音和病理性心音的正确识别率均高于90%。