心音分析与识别目前主要局限在一维信号处理方面,为了获得心音信号更直观特征表现形式,提高分类识别效果,拓展心音识别研究领域,实现心音在线识别,提出了一种将心音与图像处理技术相结合、基于心音窗函数的心音纹理图特征提取与快速识别算法。心音纹理图可以直观与真实地记录心音信号,并包含大量个人生理信息,如身份信息和健康状况等。本文首先给出心音的组成模型,对一维心音信号进行预处理,定义心音时频图和心音纹理图,然后讨论如何利用心音窗函数和短时傅里叶变换获取二维心音时频图,并且针对心音的特点,重点研究了心音窗函数的构造原则和实现方法。其中,心音窗函数中的系数是根据正常心音与病理心音不同特点采用自适应法来确定各自不同的系数,以满足心音窗函数的构造原则中所提及的要求。最后分别通过改进的脉冲耦合神经网络模型和心音纹理图角点相关性快速识别算法,实现了对正常心音纹理图及病理心音纹理图的特征提取与身份识别。仿真实验表明,心音窗函数与传统窗函数相比较,所获得的心音时频图具有第一、第二心音纹理更加清晰,噪声纹理得到较好抑制的优点,自适应法可以有效的确定心音窗函数中的各个系数,并且改进的脉冲耦合神经网络模型及归一化互相关法具有更低的计算成本,与3种典型识别方法相比较,呈现更高的识别率,特别是心音纹理图角点相关性快速识别算法用于心音身份识别具有高识别率和高速度,可实现在线快速识别。因而基于图像处理技术对心音进行特征提取与身份快速识别是一种行之有效的方法。