心血管疾病、脑血管疾病具有较高的发病率和死亡率,且难以预防和治疗,而心脏类疾病是常见的心脑血管疾病之一。心脏信号是重要的生理信号,心脏听诊是先心病初诊的主要手段,在心脏病变之前就能发现异常信息,从而预防心脏疾病发生。目前,临床获取心脏信息的方法是医生听诊,但仅仅依靠医生听诊,会导致判断结果不准确,不可避免发生误诊情况。因此,对心音信号进行特征提取和识别等分析有利于先天性心脏病的诊断,为心脏病的临床确诊提供客观依据。本文探究小波倒谱系数特征提取算法、概率神经网络对先心病心音信号的分析和识别,主要工作内容分为信号预处理、特征提取及分类识别三个部分。信号预处理:使用数字滤波器和小波变换去噪,对结果进行对比之后,本文选择小波变换去除心音噪声。比较不同的包络提取方法的优缺点,采用维奥拉积分方法得到心音信号的平滑包络;然后,采用双阈值分段法进行分段,得到心音信号的心动周期;特征提取:对每个心动周期信号进行小波倒谱系数计算,并提取小波倒谱系数作为信号的特征向量;分类识别:选择概率神经网络作为信号识别网络,将提取的小波倒谱系数作为特征向量,输入概率神经网络进行识别。本文从课题组构建的心音数据库中随机抽取2083例心音样本(其中,正常心音信号1700例,先心病心音信号383例,训练集占80%,测试集占20%)进行分析研究。实验结果表明该研究方法的识别率:特异度为91%,敏感度为86.7%,识别准确率为90.2%。实验结果表明:本研究方法可以有效识别先天性心脏病心音信号。