冠心病是严重危害人们身体健康的最重要的疾病之一。发病快,死亡率高,随着生活水平的提高、工作节奏的加快,老龄化的加剧,其发病率和患病率有日益增加的趋势,早期的检测与诊断至关重要。心音信号是人体重要的生理信号之一,当心脏冠状动脉狭窄尚未发展到心电图异常、痛感等症状之前,心音中出现的高频心杂音蕴含了冠脉狭窄诊断的可靠病理信息。运用现代信号处理方法,研究分析舒张期心音信号,对于冠心病的早期诊断具有重要意义。本文主要研究了基于EEMD (Ensemble Empirical Mode Decomposition,简称EEMD)的冠脉狭窄舒张期心音分析及特征提取算法。在分析了冠状动脉堵塞与舒张期心音关系的基础上,首先研究了心音的消噪和分段预处理；其次运用EEMD对舒张期心音进行了研究,提出了基于EEMD和能量算子Teager (Teager Energy Operation,简称TEO)的瞬时频率提取算法及基于EEMD和样本熵相结合的舒张期心音非线性动力学分析算法；最后分析了临床冠心病患者的舒张期心音信号,有效提取了隐含于舒张期心音中的冠心病病理特征,为冠心病的早期诊断提供了一种有效的手段。本文的主要研究内容有：研究分析了EEMD (Ensemble Empirical Mode Decomposition,简称EEMD)算法原理,提出了基于EEMD阈值的心音自适应消噪方法,分析了临床采集到的心音信号,有效的去除了噪声,提高了信噪比；提出了基于希尔伯特变换的心音分段算法,用大量临床采集到的心音信号进行了分段,结果表明算法鲁棒性强,准确率高,并无需额外信号做参考。研究了舒张期心音的瞬时频率提取算法。建立了基于EEMD和Teager能量算子的舒张期心音分析及特征提取方法,获得了舒张期心音瞬时频率的变化规律。分析了临床冠心病患者的舒张期心音,结果表明,提取的特征有效的揭示了冠状动脉狭窄的信息,刻画了冠状动脉狭窄时舒张期心音的变化。研究了舒张期心音的非线性动力学样本熵分析算法。在分析样本熵参数选择的基础上提出了基于EEMD和样本熵的舒张期心音非线性动力学特征提取算法。分析了临床冠心病患者的舒张期心音,结果表明,提取的特征有效揭示了冠状动脉狭窄引起的血液流变状态的改变信息。本文所提出的基于EEMD的舒张期心音分析和特征提取算法揭示了冠脉狭窄舒张期心音信号的病理信息,为冠心病的早期无损诊断奠定了坚实基础。