虽然生活水平越来越高,但是心血管病患病率依然居高不下。心音作为心脏最重要的生理信号之一,它能够反映出心脏和心血管的健康状态。对心音信号进行分析,提取出有用的特征,可以为心脏疾病的诊断提供辅助依据。在对心音信号进行分析的过程中出现了噪声处理困难、难以准确提取其特征参数等问题。为了解决上述困难,本文使用LITTMANN听诊器采集了正常和异常的心音数据,并使用小波去噪的方法对采集的到的信号进行预处理,之后从以下几个角度进行了研究:1)对心音信号进行混沌特性分析。由于心音信号是非线性的,本文依据混沌非线性理论,从原始心音信号中提取出延迟时间和嵌入维数,并构造信号的相空间。为了进一步分析信号非线性特征,提取信号的最大李雅普诺夫指数和关联维数。从提取出的最大李雅普诺夫指数可判定正常和异常心音信号都具有非线性动力学特征;从对关联维数的结果的分析中可以推断出,相对于正常心音而言,异常心音具有更高的复杂性。2)结合关联维数和替代数据方法,产生新的特征检测量。本文提出将替代数据法应用于非线性特征参数关联维数,构造归一化方差检测量,构造的变量相对于关联维数而言能更好地反映出心音的特性。3)对正常心音和异常心音进行分类研究。使用延迟时间、最大李雅普诺夫指数、关联维数构造特征向量,同时构造一组对比的特征向量,用归一化方差检测量代替关联维数。基于支持向量机理论,识别正常和异常心音。判别的结果表明,包含归一化方差检测量的特征向量有更高的识别准确率,其平均测试正确率为86.67%,另一组特征向量的正确率为 76.67%。