心臟瓣膜病（HVD）是常見的心血管疾病之一，心音是用于檢測心臟瓣膜病的重要生理信號。本文提出了一種基于心音基本成分特征和包絡自相關特征的聯合分類模型，以檢測早期心臟瓣膜病。本文首先使用經驗模態分解（EMD）對5 min心音信號去噪，分割成心音信號樣本，并提取心音信號樣本的基本成分特征和包絡自相關特征，聯合上述兩類特征構建心音特征集；然后使用最大相關最小冗余（MRMR）算法選擇最優混合特征；最后分別使用決策樹、支持向量機（SVM）和K最鄰近（KNN）分類器對正常心音和早期心臟瓣膜病心音進行分類。經臨床數據驗證，本文模型分類正常心音和異常心音的準確率達到99.9%，分類正常心音、半月瓣異常心音和房室瓣異常心音的準確率達到99.8%，分類正常心音、單瓣膜異常心音和多瓣膜異常心音的準確率達到98.2%。在公開數據集上，本文模型也取得了較好的分類結果。綜上所述，本文方法對早期心臟瓣膜病的診斷具有重要的參考價值。