心音是临床上用于评估心脏功能的主要信号来源,其长时间采集记录面临着数据量过大、难以传输和存储的问题。本文根据心音信号的重复性特征,设计了有针对性的压缩算法,去除了心音信号中的重复性冗余。相比于现有的压缩方法,本文所提出的压缩方法极大地提高了心音信号的压缩效果。本文工作包括以下两种压缩算法。(1)提出了一种基于参数字典与矢量量化的心音信号压缩方法。首先将心音信号分解为包含5类参数的时频分量。由于心音信号具有重复性特征,除时频分量的发生时刻之外,其余参数都存在着重复性冗余。以部分心音信号作为训练集,将其时频分量的参数聚类生成一个参数字典,代表了心音信号中非重复的部分。通过该参数字典,原时频分量的5类参数精简为分量在字典中的索引和发生时刻两类参数。时频分量表达之后的余量信号通过矢量量化进一步压缩。在压缩之前,通过优化方法搜索最合适的矢量量化参数,在限定失真度的条件下获取尽可能高的压缩比。实验表明,在5%的失真度的水平下,该压缩算法对正常心音或轻度杂音的心音,可取得92-149的压缩比；对含有较高噪音的正常心音或中等程度杂音的心音,可取得24-35的压缩比；对含重度杂音的心音,可取得9-14的压缩比。(2)提出了一种基于小波域周期间相关性的心音信号压缩算法。首先对每周期的心音信号进行小波变换,从每周期选取同等数量的能量最集中的变换系数并进行线性量化。将各周期的量化结果合并为矢量,利用其联合概率进行霍夫曼编码。对于线性量化后的余量部分,利用矢量量化进行进一步压缩。在压缩过程中通过预设的失真度值来决定每周期选择的系数个数,并控制两级量化的失真度不严重偏离预设值,达成了压缩过程中失真度可控的效果。实验表明,本文算法对正常心音或轻度杂音的心音,在5%的失真度水准下达到了102-143的压缩比；对含有较高噪音的正常心音,在7.5%-10%的失真范围内达到了67-75的压缩比；对含有中等程度或重度杂音的心音,在7.5%-10%的失真范围内达到了23-37的压缩比。