产前检查是围产医学的重要内容，目的之一是胎儿健康监护，这是实现优生和健康生产的重要手段。中国每年有数千万孕妇，胎儿健康监护需求大，但是它主要在医院进行，存在诸多弊端，并且它不能满足实时、动态和远程监护胎儿的需求。本论文分析了胎心音检测技术的理论和特点，提出了基于“设备+云+端”模式的胎心音检测系统，通过一个胎心音采集设备，运行在智能移动终端上的APP和云平台实现了胎心音的采集、除噪、特征识别和以胎心率变化趋势为核心的围孕产期健康管理，该系统不仅满足家庭式安全的胎儿健康监护，还能为孕产妇的营养、运动和保健等健康管理提供持续服务和相关医疗保健解决方案，具有重要的社会价值和意义。本论文的主要内容如下：（1）通过比较超声、胎心电等多种胎儿健康监护技术，指出胎心音检测技术的优点，并总结了国内外在该领域的研究进展，说明基于胎心音检测实现胎儿健康监护主要困难是胎心音采集和处理。（2）总结胎心音的产生机理、传导路径、频域和时域特点，说明胎心音是一种微弱、低频（主频段20-200Hz）的非线性非平稳生物医学信号，噪声复杂，在胎心音采集和处理时有巨大困难。（3）提出了“设备+云+端”模式的胎心音检测系统架构，包括外设设备和软件APP的组成和功能。（4）基于LabVIEW和myDAQ建立了一个原型化实验系统，实现了胎心音信号采集，用于信号处理和分析，并且myDAQ的音频口数据采集验证了使用音频口做数据采集和通信的可行性。（5）胎心音处理（主要是信号除噪）是本论文的研究重点，其创新点主要是首次使用希尔伯特黄变换做胎心音处理，并且本论文的除噪方法一次性地消除了基线漂移和噪声，同小波变换、数学形态学和傅里叶变换等比较，信噪比改善明显，均方误差最小，时间复杂度虽然最高，但是能满足实际应用。本论文的除噪过程是先用截止频率为200Hz的巴特沃斯低通滤波器和重采样做预处理，再使用希尔伯特黄变换的模态分解算法做信号分解，选择含有目标信号的分量进行类小波软阈值自适应算法除噪，最后组合重构得到除噪后的胎心音信号。模态分解时，使用添加掩模信号等方法消除模态混叠，用镜像延拓法消除端点效应，并引用Rilling的研究设定停止规则。（6）对除噪后的胎心音信号使用希尔伯特变换等方法提取信号包络，再用时间门限法做特征识别，最后计算平均胎心率。本论文的方法计算胎心率的准确率高达98.7%。