心音是由心血管系统血流动力状态变化与相关器官(心脏瓣膜、血管及心脏壁等)的相互作用而产生的机械振动。从产生原理来看,心音能够反映心血管系统的生理及病理状态。在心血管系统发生病变,尚不足以引起明显病理特性时,心音常常首先表现出异常。基于血流动力的心音产生模型,能够作为一个仿真平台,用于模拟正常生理状态或某些病理状态下的心音产生机制,为研究心音与血流动力的关系提供一种途径,对研究相关心血管疾病的诊断有重要参考意义。本文进行了3项工作。(1)提出了基于血流动力的第一心音和第二心音产生模型。首先建立心血管系统的电路仿真模型。模型包括心脏的4个腔室,体循环和肺循环中的动脉、毛细血管和静脉,以及心率、心室收缩性和外周阻力的生理控制机制。将电路模型转化为微分方程组,并利用有限差分法进行求解。根据仿真结果,得到主动脉瓣、肺动脉瓣、二尖瓣和三尖瓣的关闭时刻及瓣膜两侧的血压差。定义了瓣膜相对关闭时间的4个参数,即二尖瓣与主动脉瓣关闭的时间差(TDMA, Timing Delay between Mitral and Aortic valve closure)、主动脉瓣与二尖瓣关闭的时间差(TDAM, Timing Delay between Aortic and Mitral valve closure)、主动脉瓣与肺动脉瓣关闭的时间差(TDAP, Timing Delay between Aortic and Pulmonary valve closure),二尖瓣与三尖瓣关闭的时间差(TDMT, Timing Delay between Mitral and Tricuspid valve closure)。研究了以上4个参数与相关血流动力的关系。将瓣膜看作弹簧振子,其振动为阻尼受迫振动。根据瓣膜两侧血压差计算受迫力,并用Ramp函数拟合。求解瓣膜振动的解析表达式,进而合成心音信号。合成心音信号与实际采集信号的频域与时频域特征表现出高度的一致性。(2)提出了第一心音和第二心音的分解方法。假设第二心音的A分量和P分量服从包络调制的chirp信号模型,并用18个参数来表达。在最小均方误差准则下,通过模拟退火算法为A分量和P分量估计出最优参数,从而重构出A分量和P分量。提取了10位志愿者第二心音的A分量和P分量,证明了方法的有效性。假设第一心音由若干个高斯函数组成,每个高斯函数有3个参数,同样利用模拟退火算法估计出最优参数。用10位志愿者的第一心音进行了验证,重构信号与原始信号的相关系数均在0.99以上。(3)利用心音产生模型,分别仿真人体运动和自然呼吸时心血管系统的血流动力变化以及心音在以上生理过程中的变化规律。对人体运动的仿真结果显示,在运动后的恢复期,主动脉收缩压(SBP, Systolic Blood Pressure)逐渐降低,心率逐渐减慢,TDMA、 TDAM、TDAP三个参数与SBP有显著的负相关性,而TDMT与SBP有较弱的负相关性；在运动恢复期,第一心音与第二心音的幅度逐渐降低。对自然呼吸的仿真结果显示,吸气时,体循环血压降低,心率加快,TDMA显著减小,TDAP显著增大,TDMT变化不明显；第一心音与第二心音幅度无显著变化。为了验证上述结果,采集了6位健康男性志愿者在对应状态下的心音、心电、呼吸波和血压生理信号,利用本文提出的心音分解方法对心音信号进行分析,实验结果与仿真结果显示较高的一致性。