心脏与呼吸道疾病是威胁人类健康的危险因素,每年都在全球造成大量的死亡,因此对心肺疾病的早期发现并尽快干预具有十分重要的意义。听诊是医师们第一时间了解病人心脏与呼吸道病情的非侵入式检查方法,近年来随着物联网技术的发展,电子听诊器的发展使得对病人心肺状况的远程诊断、人工智能诊断成为可能。电子听诊器所记录的心肺音信号反映了心脏与呼吸道的生理信息,这些信息重叠在一起,并伴以噪声和干扰,因此如果能设法通过听诊器算法输出“纯净”的心音与肺音,可极大地提升医生远程诊疗或者人工智能诊疗的效果。本论文针对电子听诊器的这一现实需求,以最终可分离出心音信号与肺音信号为目标,主要开展以下三方面的工作:首先,研究心肺音信号预处理算法。电子听诊器采集到的心肺音信号混合了电噪声以及各种可能的干扰,其中可能的干扰包括背景音干扰、按压削波失真与摩擦音等。电噪声的消除可利用小波去噪,而背景音消除则可利用自适应滤波,这些方法较为成熟,然而目前尚缺少自动检测消除按压削波失真与摩擦音的完整方案,这正是本部分研究内容的工作重点。对于按压削波失真干扰消除,本文提出一种差分配对法可快速定位出按压失真区域,并通过Hermite插值法对失真区域进行修复。对于摩擦音干扰的消除,本文提出利用梅尔频率倒谱系数(MFCC)和支持向量机(SVM)相结合的方式定位出摩擦音干扰区域,并通过经验模态分解(EMD)和基于相关系数的成分与区域选择实现对摩擦音干扰区域的修复。实验结果表明所提出的方法可有效地对按压削波失真与摩擦音干扰进行自动检测定位与消除。然后,开展心肺音信号中的心音的定位算法研究。传统的基于熵谱的心音定位方法利用心音段信号的香农熵大于肺音段信号的香农熵的特点,计算心肺音信号中每段数据的香农熵,并与预设阈值进行比较来定位出心音成分。本文在此理论基础上,提出基于每段心音成分的低频与高频成分的功率比,对可能的错误定位或漏检的心音成分进行检测与识别的方法,并对各心音周期中可能的错误定位或漏检的心音成分进行重定位。实验结果表明,所提心音定位算法可有效提高各种信号采集环境下的心音定位与分段性能。最后,在前述心肺音预处理与心音定位的工作基础上,开展心肺音分离方法研究。本文基于相邻心音周期之间相同成分心音段上存在大量相似信号特征这一特性,提出通过联合对角化进行心肺音分离的方法。基于联合对角化,计算多个相邻心音段原始信号和参考信号所对应协方差矩阵的特征值和特征向量,并利用心音信号和参考信号之间特征向量的相关性提取出属于心音成分的特征向量,通过投影分别得到分离后的心音信号与肺音信号。实验结果表明,该方法不仅能够较好地分离出正常被试的心音和肺音,在肺炎病人的心肺音分离结果上仍能体现较好的分离效果。本论文在心肺音预处理、心音定位、心肺音分离三个方面开展了相应工作,所设计的相应算法逐步递进,最终可给出去除干扰后分离出的心音与肺音信号。本论文的工作,实现了电子听诊器所期望的可输出分离后的心音信号与肺音信号的功能需求,为后续的远程诊断或者人工智能诊断工作提供高质量、低干扰的心音或肺音信号,并为其可靠实施提供技术保障。