心血管疾病严重威胁人类生命健康，已成为重大的公共卫生问题。心音是重要的生理信号，包含着与心脏疾病相关的血管、瓣膜等组织器官的各种生理和病理信息，因此心音信号分析成为临床上心脏疾病辅助诊断的重要途径。心脏储备（Cardiac Reserve，CR）可用于心功能状态评估，表示心脏的上调能力。评价心脏储备功能的指标主要有第一心音与第二心音的幅值比（S1/S2），舒张期（Diastole，D）与收缩期（Systole，S）的时限比。心脏储备指标自动提取的传统方法是参考心电信号，随着数字信号处理技术的不断发展，基于心音信号特征包络的方法成为现代心脏储备指标自动提取的主要方式。研究一种快速、有效，并且能充分体现心音信号时域特征的包络提取算法，对实现人类心血管疾病的早期诊断具有重大意义。　　本论文首先详细介绍了心音信号的产生机制以及心脏储备相关的基础知识，对心音与心脏储备之间的关系有了一定的了解。其次，分析了心音信号采集过程中可能带入的噪声成分以及相关的处理方法，同时设计三组对比实验确定小波去噪方法的相关参数，采用小波变换实现心音信号的去噪预处理。传统基于参考信号实现心音信号分段的方法准确率极高，但引进参考信号使得过程更加复杂，而采用心音信号的特征包络能更简单、快速的实现心音信号分段。因此，本论文重点研究了常用于提取心音信号特征包络的算法，如归一化香农能量、希尔伯特黄变换以及维奥拉积分波形方法。对比分析了各种算法的特点以及各自在心音信号特征包络提取方面的应用效果，结合香农能量算法的优势，提出了一种改进的维奥拉积分波形方法用于提取心音信号特征包络。该方法能有效的提取心音信号特征成分，运算速度快、抗干扰性强。然后本论文分析了单阈值法实现心音信号分段的效果，并在此基础上结合短时过零率，提出了一种改进的阈值分段算法，实现了心音信号的精确分段，另外结合心音信号的时域特征，自动提取了心音信号的心脏储备指标。最后为了便于分析人体心脏功能状态，设计了心脏储备指标提取的图形界面，该界面功能齐全，操作简单，处理速度快，满足预期要求。　　本论文利用改进的维奥拉积分波形方法以及阈值分段方法提取了317例正常和异常心音信号的心脏储备指标。该算法运算速度快，准确度高，对正常心音的准确率达到了99.87％，异常心音信号平均准确率达到了90.86%。另外对正常和异常心音信号的心脏储备指标进行统计学分析，结果表明部分心脏储备指标之间存在显著性差异。