心音信号的识别和分类对心血管系统疾病的诊断具有重要意义,其诊断结果的准确性和可靠性直接关系到诊断和治疗的效果。本文采用BP神经网络结合时频域的小波包能量特征值与非线性的混沌特征参量实现了对所研究心音信号的较高准确率分类识别。　　首先,在小波变换原理和小波去噪理论和方法的基础上,实现了基于小波变换的心音信号去噪处理。研究了心音信号的主频区间和所用信号的采样频率与小波包分解理论的关系,在此基础上,得到了心音信号小波包分解第7层上前8个节点的能量特征值。　　然后,阐述了混沌在心音信号研究方面的应用,分析了相空间重构理论和参数的计算方法,阐述了最大Lyapunov指数和关联维数及其计算方法。针对心音信号不同阶段特性的统一性,研究了一种对每例心音信号都随机截取三段进行相空间重构,并得出对应每段的混沌参数,采用对结果取平均值的方法,降低了分析结果的偶然性。　　最后,分析了BP神经网络的理论和构建方法,针对标准BP网络的不完善之处,引入了部分参数,改善BP神经网络的性能。并利用改善的BP神经网络结合心音信号的小波包能量特征值和心音信号的混沌特征量,分别实现了对正常和异常心音信号,二尖瓣狭窄和二尖瓣关闭不全心音信号,主动脉瓣狭窄和主动脉瓣关闭不全心音信号的较高精度分类识别。