心脏瓣膜手术为心脏外科的第二大类手术，占整个心血管手术的20％～25％。尽管目前心脏瓣膜置换手术成功率很高，但术后长期随访结果不尽理想，主要表现在中远期并发症致病率较高。直到现在，心音听诊仍然是检测心脏疾病的一种基本手段。心音包含了大量心脏瓣膜状态的生理病理信息。但利用心音进行正确诊断有赖于医生长期积累的经验。若能把心音的数字信号处理技术应用于人造心脏瓣膜植入后的功能评估，以提高临床医生的评估的能力，这将会具有巨大的现实意义。　　 本文着重从时域和频域的角度对人造瓣膜心音进行研究，以对各种瓣膜音（正常、瓣周漏和卡瓣）进行自动分割、特征分析和识别。本文的研究工作主要包括以下几个方面：　　 1．提出一种基于香农能量包络的自动分割算法，结合心音的医学规律知识，可以对人造瓣膜心音进行有效的分割。该算法分为预分割和精确分割两个阶段。实验结果证明该算法的有效检出率高于94％。同时，文中还针对自然心音提出一种基于高低频能量比的算法。在小波变换的基础上，高低频能量比作为特征能够很好地区分自然心音的S1、S2和S1S2间歇期。　　 2．运用多种时频分析信号处理方法对人造瓣膜心音进行定性特征分析，包括AR功率谱估计、短时傅里叶变换、小波变换、Wigner-Ville时频分布和高阶量双谱估计，获得了区分三种心音的一些基本特征，并设计两套方案进行测试，取得较好的结果。另外，根据三种心音在医学听诊上的表现出的杂音的不同，提出了一种快速的基于统计方差比的特征用于区分三种心音，识别率达到85．5％。　　 3．提出一种快速的基于最优基的改进算法，用于定量提取人造瓣膜心音的特征，而且根据人造瓣膜心音的能量分布特点作了适应性的改进，即根据自动分割获得的时间标签信息将心音分段后再进行小波包变换。实验结果证明该算法是有效的，且时间复杂度比原始LDB（局部判别基）算法要低很多，而且存储性能极具优势。另外，假定心胸传导特性为全极点函数，并用简单的线性预测模型加以描述，获得人造瓣膜心音的另一种特征参数一线性预测编码倒谱参数。　　 4．采用了距离分类法和Fisher线性判别分析法用于人造瓣膜心音的识别。设计多组实验验证各算法的有效性，并寻求找出影响算法识别率的各种因素。