心音信号是人体重要的生理信号之一，心脏各部分功能状态的生理、病理信息均可在心音中体现。对心音信号采集和分析的能力直接影响心血管疾病的诊断水平和确诊率，因此，心音的研究具有长远的意义。心音信号是一种微弱的具有时变性、非平稳性的复杂信号，所以，对于心音信号的特征提取和分类识别一直是心音处理的研究难题和研究热点。本文将从心音信号的采集去噪、成分分析、特征提取、特征可分性四个方面来对心音信号进行分析研究。利用LabVIEW8.6虚拟仪器开发平台对心音信号进行采集。在采集过程中，可以实现心音信号的实时波形播放，进而提高采集效率；采用小波变换的方法去除采集过程中的噪声干扰，获得良好的去噪效果。利用MATLAB软件编程实现了心音信号自动分段算法，通过心音包络的提取、包络归一化、包络差分得到心音信号的主要成分起止点。第一心音是一个心动周期开始的标志，因此，心音自动分段的关键是识别第一心音。将第一心音作为参考，根据心音信号的特点：心缩期短于心舒期，快速定位第一心音和第二心音。根据需要，还可得到心缩期、心舒期持续时长、心动周期时长、心率等心脏特征参数。将分段得到的不同心音信号的单个周期通过多种时频分析方法进行对比分析，其中短时傅里叶变换的时频分辨率较低且时频分布聚集性差，对病理杂音不能完整反映；维格纳分布虽然具有较高的时频分辨率和较好的聚焦性，但其含有交叉干扰项，严重影响心音信号的分析。S变换兼顾小波变换和傅里叶变换的优点，具有良好时频分辨率和聚集性，且无交叉项干扰。将S变换应用于心音信号特征分析，不仅可充分反映心音信号的主要频率特征，还可以将各种病理杂音特征一并体现，有利于心脏疾病的分析和诊断。最后，对时频分析得到的频率矩阵采用统计学方法进行特征提取，并采用类内距、类间距理论对特征提取算法进行评价，得出结论：该特征提取方式具有可分性，可作为疾病自动分析诊断的有效手段。