心音含有大量与心脏病理状况相关的信息,反映了心脏以及心血管结构的生理和病理信息。传统的心音诊断是医生根据自身的临床经验通过听诊器来实现的,当然这一过程具有一定的主观性和不稳定性,准确率也不高。近年来,随着人工智能技术的兴起,对心音信号进行采集以及自动识别的研究越来越受到人们的青睐。为此,本文开发了一套心音采集与自动识别系统,主要包括:　　1)设计了一套基于USB的实时心音信号采集系统;主要由心音采集电路、USB通信模块以及上位机显示界面等构成。　　2)进行了基于希尔伯特-黄变换(HHT)和峰逐层算法(PPA)的心音分段算法研究;首先利用HHT进行心音包络的提取,然后利用中值滤波对包络进行平滑处理,最后通过PPA来消除多余的低幅度峰值。　　3)进行了一种新的心音分类方法的研究,利用支持向量机(SVM)对心音信号进行识别分类。笔者根据梅尔频率倒谱系数(MFCC)理论对采集到的心音信号进行特征值的提取;然后利用主分量分析(PCA)对得到的特征值进行选择;最后利用 SVM方法进行识别分类。对包括正常心音在内的6类心音,每类20例利用这种方法进行分类实验。实验表明,利用文章方法最终的分类平均准确率为96.7％,比传统的隐马可夫模型(HMM)方法识别率提高>10%,识别时间是HMM的1/20。　　4)最后设计了一套基于VS2010和Matlab的GUI。该软件可以完成心音信号的采集、数据预处理、分段处理、识别分类等功能。　　心音采集与自动识别软硬件系统的实现,为后续的科学研究奠定了坚实的基础,为以后的临床应用提供了强有力的保障。