心脏储备（Cardiac Reserve, CR）是指心脏的上调能力，是衡量心脏功能的一个很重要的方面。通过对心脏储备监测、评估和调研，可以让医生和病人了解疾病对心脏状态的影响程度，可以分析各个人群之间的心脏储备差异以及在应激情况的心脏功能状态等等。目前，心脏储备检测技术主要有超声心动图检测、心电图检测、心音检测等。心音监测相对于其它方法来说，心音在心脏变力行监测方面具有较强的优势。心音信号在时域和频域上呈现一定的特征和规律，但由于有生理、病理、外界噪声和采集环境等因素的存在，临床上的心音信号表现的极其复杂，给从心音信号中提取心脏储备指标参数带来困难。所以深层次的对心音信号进行算法解析，实现智能、方便、无创和客观量化的提取有效的心脏储备指标参数，从而完成心脏功能的检测与评估是非常必要且具有重要意义的。本论文的重点是利用科学的、准确的、有效的心音解析算法，提取用于检测和评估心脏储备功能的有效心音信号特征参数。这对推广和普及心脏储备无创检测方法具有重要意义。为了完成以上目标，本文主要从以下几个方面展开深入研究：（1）采集心音信号心音信号采集设备由听诊器、一个16导心音记录仪、放大器和一台笔记本电脑组成，由本实验室和日本山口大学共同研发的。该心音采集设备能实时的采集高质量的心音信号，具有较强的抗干扰性能。目前本实验室采集到的心音数据有800余例，提供了充足的数据，本论文采用这些充足的数据来完成心音算法的解析与测试。（2）心音信号预处理心音信号采集过程中难免有外界噪声的混入，给解析心音信号带来很大困扰。根据噪声的来源及其特性分为随机噪声、50Hz工频噪声和仪器本身的噪声，本文针对不同的噪声选用最佳的预处理方法，分别设计了高通滤波器、工频陷波器和小波阈值降噪滤波器，依此来提高信号的信噪比。通过标准心音数据和临床心音数据对心音预处理方法进行测试，获得了较理想的预处理效果。（3）包络提取算法研究原始心音信号包含的信息量较大，不仅包含有用信息还包含多余的信息。包络提取法的目的是获得心音信号中反应信号基本特征的信息，合理的包络提取法提取的心音信号往往都包含原信号的有效特征信息。本文通过分析与对比常用的包络提取方法即希尔伯特-黄变换法（HHT）、基于单自由度模型的特征包络提取法（CSCW）、归一化香农能量法和同态滤波包络提取方法，经过分析得到各个包络提取算法的优缺点。实际操作中，可以根据不同的心音信号来选择不同的包络提取算法，从而达到自适应的效果，为心音信号的特征提取打好基础。（4）阈值线选取与特征参数提取心音阈值线是心音信号特征参数尤其是时域参数的决定因素。心音阈值线的选取是一个敏感的因素，它随着个体差异或心脏病理差异等条件的不同而不同。之前的研究，都是根据经验手工操作选择阈值线，以此来提取特征参数值，但这给经验不足的人们带来不便。面对比较多的心音信号特征，本论文采用模糊数学领域中相对成熟的技术，即模糊C均值聚类（FCM）来选取阈值线和提取有效的特征参数，打破了固定选择阈值线局面。用经过FCM算法提取的心音特征参数识别临床正常心音和异常心音，识别率高于比通过手动选择阈值线提取心音特征参数识别的正常心音和异常心音，这也就验证了FCM算法打破了根据经验选择阈值提取特征参数的局限性，使得特征提取具有自适应性和有效性。（5）心脏储备参数评估用MATLAB GUI设计了基于心音的心脏储备评估系统。系统界面可视化，可以避开代码的繁琐，简单的手动操作可实现对心音信号的智能分析，从而提取用于心脏储备指标参数评估的心音特征参数。本文中参与评估心脏储备的主要指标有心率（HR）、舒张期持续时间/收缩期持续时间（D/S）和第一心音幅值/第二心音幅值（S1/S2）。根据医学公认的三项指标来确定本文提取的心脏储备参数指标范围，得出临床信号的心脏储备能力，该评估结果和相应的临床心音采集者的身体素质和心脏状况相匹配，这就证明了本文设计到的基于心音的心脏储备参数提取的算法的有效性。将临床心音数据用于测试本文所涉及的心音解析算法中的有效性实验中，测试结果表明了算法的有效性和可使用性，最终可以准确的提取心脏储备参数，结果较为满意。但是目前用于分析研究的心音来源还相对较少。所以，今后的工作重点主要放在完成临床心音的种类和心音算法的优化上，为提取更准确的用与心脏功能检测参数而奋斗。