文献综述（或调研报告）：
随着现代社会人们生活水平的提高，人们摄入的高蛋白、高脂肪的食物越来越多，不良生活习惯例如睡眠不足、吸烟、饮酒等越来越普遍，加之现代社会的竞争性和快节奏加大了人们的紧张感和劳累感，人们的身体和精神压力逐渐增大，心血管疾病的发病率和死亡率也在逐渐上升。
心音是心脏及心血管系统机械运动状况的反映，包含着心脏各个部分本身以及相互之间作用的生理和病理信息。心音信号的分析对于心血管系统疾病的诊断具有重要的意义，其准确性和可靠性将直接影响心脏病患者的临床和愈后诊断的效果。传统的心音识别是依靠临床医生根据听诊的结果来完成的，在这一过程中，显然会受到很多主观和客观因素的影响而导致准确性的降低，为了提高对于心血管疾病的听诊准确度，基于现代信息技术的无创诊断技术已经成为了现在医学研究的重要课题。
对于心音智能分类这一问题，人们通常从选取可以充分代表心音信号的特征和选择合适的分类方法两个方面作为切入点，传统的心音识别分类通常包含四个步骤：心音信号的采集、心音信号的预处理、心音信号的特征选取以及心音信号的分类识别。
1. 心音信号的预处理
数字滤波器、小波分解和经验模态分解（Empirical Mode Decomposition, EMD）等技术被广泛的应用于心音信号的数字去噪过程中。数字滤波器分为FIR数字滤波器和IIR数字滤波器，数字滤波器的精度较高，适用于去除信号中的高频伪迹和基线漂移。EMD去噪法是将信号进行EMD分解后选择合适的模态分量进行相加，关键就在于如何选取合适的模态分量，通过计算各固有模态函数（IMF）分量和原信号的互相关系数来确定哪些分量是有用的IMF分量，只将有用的分量相加即可得到去噪后的信号。小波去噪的基本思想是先对信号进行小波分解，根据信号和噪声在各尺度上的小波系数具有不同而特征的特点，按照一定的阈值处理小波系数，然后根据系数进行小波重构得到去噪后的信号。
在这些基础去噪方法之上，科研人员提出了许多改进算法。陈新华等人[1]提出了一种基于EMD分解的小波去噪算法，该算法结合了小波变换去噪法和经验模态分解去噪法的优点，该算法的步骤为：
（1）对信号x(t)进行EMD分解得到各模态分量imf1，imf2hellip;imfk；
（2）对高频分量imf1hellip;imfi选择种阈值确定准则进行各个分量上的阈值估计；
（3）选择一种合适的阈值函数，结合高频分量imf1hellip;imfi上的阈值估计值进行去噪计算，得到去噪后的各个分量imfrsquo;1hellip;imfrsquo;i；
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
