心血管病是一种常见的现代疾病,其发病突然,致死率高,且临床的缺血和缺氧症状极易导致人体多器官的不可逆损伤,因此心血管病的及时发现和早期预警极为重要。心音蕴含了大量与心脏健康状态相关的信息,临床上心音的人工听诊常被作为心血管病的初筛手段,然而该方法依赖于医生临床经验,且信号无法被记录、存档。随着计算机辅助诊断技术的发展,心音的电子听诊成为了可能。许多学者以异常心音的高识别准确率作为目标,进行智能化心音检测方法的研究。然而,算法的高准确率往往以模型的高复杂度和高参数量为代价,对设备的性能具有较高需求,检测便携性差。本文以心音产生机理为理论基础,研究与开发了一种便携式心音检测系统。首先,基于统一建模语言对检测系统进行功能建模,明确了系统设计流程;然后,分析心音特点及其采集原理,设计了硬件采集装置,获取了包含心音主要成分的信号;另外,利用自主采集的心音以及Physio Net数据库,构建了基于一维卷积神经网络的轻量级心音检测模型,通过搭建深度模型,并研究剪枝、知识蒸馏等轻量级优化方法,压缩深度模型参数,实现心音异常的快速检测,最后将构建的轻量级模型初步部署于手机中。对系统性能进行测试,根据实测心音波形形态和心率等指标,测试了采集装置的有效性;从准确率、所占内存、预测时间等方面,测试了轻量级检测模型的有效性。测试结果表明,本文设计的便携式心音检测系统能够有效采集心音的主要成分,对心音的检测准确率可达97.69%,设计的轻量级检测模型大小为392KB,检测速度约为0.0014秒,浮点运算数量为0.04GMac。综上,本文提出的便携式心音检测系统具有轻量、检测准确率高、预测速度快等优点,设计的轻量级模型后续可部署于信号采集设备中,实现心音采集与检测一体化,对于家用医疗和资源不发达地区的心音智能检测具有重要的研究意义。