心脏声音信号是人体心脏关键的生理信号,它能够在很大程度上反映心脏的健康状况。临床上对先心病的初诊和筛查通常是利用听诊器听取心音来完成的。但由于心脏听诊易受外界环境和医生主观因素影响,有时难以取得准确的结果,需要丰富的临床经验。特别是对于医疗资源匮乏的边远地区,基层医生往往难以胜任,只能通过省级医疗队下乡支援的途径解决,这导致很多患者会错失最佳治疗时机。因此,利用现代信息技术手段分析研究心音信号对心脏方面疾病的诊断与治疗具有重大意义,对临床医生确诊疾病也有很大的辅助作用。本文的主要工作是使用自适应阈值小波对信号去噪,在包络提取和特征提取方面分别采用了两种方法进行效果对比,最后结合分类网络对先心病信号进行分类,具体内容如下:1.心音信号的去噪。使用了一种改进型的自适应阈值小波进行去噪,新方法改善了传统滤波方法的缺点,并且通过信噪比和拟合值两个指标对比了几种方法的性能。2.心音信号的包络提取与分段定位。对滤波后的心音信号,分别采用香农能量和希尔伯特黄变换两种方法提取信号包络,并对比了两种方法所得包络的特点。在信号包络上定位寻找各个心音时使用双阈值法。3.心音信号的特征提取。采用三种不同的方法:梅尔倒谱系数(MFCC)、线性预测编码系数(LPCC),以及将两者结合的LP-MFCC分别提取心音样本的特征,并作为特征向量供分类网络进行分类操作。4.心音信号的分类识别。使用BP神经网络识别提取到的三种特征参数,然后输入测试样本集进行识别率的精度测试,并与二分类器支持向量机(SVM)进行识别率的对比,同时本文也实现了对未知正常与否的心音信号的任意测试。