目前,亚健康与人口老龄化等话题受到人们的广泛关注,心血管疾病作为严重影响着人们健康生活的慢性疾病,其预防与诊断一直是医学界所面临的急需解决的重要问题之一。心音能够反映与心脏疾病相关的各种信息,心音信号的分析对诊断心血管疾病具有重要影响。本文针对肥厚型心肌病分类准确率不高的问题,从特征参数提取及优化角度进行相关算法的研究,主要包括以下几个方面:（1）小波域特征提取。文章基于小波变换获得具有不同频率成分的单子带重构信号,提取重构信号归一化能量特征,该单子带能量特征表征了信号不同频率成分在原始信号中的能量占比。从统计角度分析了正常与肥心病心音能量特征之间的差异性,对心杂音所在频段进行初步的判断。（2）基于特征分解的心杂音特征降维组合分析。方法一使用主成分分析定位心杂音成分所在频段,提取对应的定量指标,并与差异度进行组合,获得组合后的心杂音特征;方法二基于线性判别分析对原始特征进行线性组合,获得组合特征。临床心音分类结果表明方法一所提取的心杂音定量指标分类效果优于方法二所提取指标的分类效果,能够达到降低特征冗余度,提高分类准确率的目的。（3）基于特征选择方法的心杂音特征子集优化组合。文章使用卡方检验、二进制粒子群（Binary particle swarm optimization,BPSO）、极随机树三种特征选择方法提取心音信号的有效特征子集,按差异度进行组合。临床心音数据验证结果表明“基于BPSO的特征子集选择组合方法”获得了较优的分类准确率,为95.86%,使用特征数为原始特征的23.08%。结果表明方法能够实现筛选出有效特征子集、提高分类准确率与降低分类复杂度的目的,方法自动输出分类结果,自动化程度较高,符合心血管疾病智能诊断基本理念。（4）心杂音时频域（Time-frequency domain,TFD）特征组合优化分析,文章介绍了一种基于时域收缩期舒张期能量特征与频域缩放因子的特征组合方法,提取心杂音时频域组合特征。组合特征最优分类准确率可达95.37%,优于直接使用原始时域或频域的特征进行分类的结果。方法充分利用了异常心音病理特点,将其使用特征组合的方式进行量化,以达到提高正常与肥心病心音分类准确率的目的。