心音是人体重要的生理信号之一，能反映心脏及大血管的机械运动状况，是临床评估心脏功能状态的最基本无创而便捷的方法。由于生命是最复杂的非线性动力系统，而心脏是生命循环系统的核心，这就决定了由心脏振动所产生的心音信号的非线性及复杂性。一直以来，人们为了对心脏这个复杂的系统进行简化及抽象，而对其建立一个理想的线性模型，并且用时域、频域、时频转换等方法对该线性系统进行分析和处理。但是，半个世纪以来，人们发现用线性的方法进行分析并不足以研究本质上为非线性的生命活动。由于混沌作为非线性系统的一种极为重要的运动形态，可以很好地揭示非线性过程内在随机性所具有的特殊规律性，从而本课题拟从混沌理论的角度对心音信号进行分析，从本质上更深入地认识心音信号的内在特征规律，以期从一个全新的角度实现基于心音信号的心脏疾病的计算机辅助诊断。为了提高心音信号的识别精度和分类准确性，采用小波包分析及混沌理论结合的方法对心音信号进行特征提取及分类识别。与小波变换相比，小波包具有更强的时频分辨力，从而能够提取原始信号局部更精细的时频信息。一方面从时频角度采用小波包对心音信号进行分析，利用小波包将心音信号分解成不同频段，再对分解后的频段作能量特征的提取；另外，将小波包分解的心音信号分量中能表征心音信号特征的信号分解出来，对其进行混沌分析，包括定性及定量分析，其中定性分析包括心音信号相图及递归图，定量分析包括关联维数、最大Lyapunov指数等混沌特征参量；然后将小波包分解的子带能量特征和混沌特征参数结合构成心音信号特征参数矢量，再通过遗传算法分析心音信号小波包各频带能量特征以及混沌特征参数，选取了能够表征心音信号的最优特征矢量；最后采用支持向量机(SVM)作为分类器，以心音信号特征矢量作为输入，从而实现心音信号的自动分类识别。通过设计的心音信号采集系统，对临床采集的正常及几类异常心音信号，如早搏心律不齐、二尖瓣狭窄、第一心音分裂、主动脉关闭不全及室间隔缺损等异常心音，采用本文所述方法进行测试。结果表明，正常及异常心音信号的混沌定性定量特征都具有显著性差异，其中异常心音信号的关联维数及最大Lyapunov指数都较正常心音信号高，说明异常心音信号具有较高的复杂度。结合小波包能量及混沌特征的心音信号能够获得较高的识别率，说明混沌特征对于心音信号非线性特征的揭示具有重要的作用，为后期心音信号的诊断及心音非线性本质的研究奠定了基础。