特征提取方法和分類器的選擇是心音分類中的兩個重要環節。為了充分捕捉心音信號中的病理性特征，研究中引入了一種結合梅爾頻率倒譜系數（MFCC）和功率譜密度（PSD）的特征提取方法。與目前常規分類器不同，研究中選擇了自適應模糊神經網絡（ANFIS）為分類器。在實驗設計方面，選取了不同時期、不同頻率范圍的PSD進行對比，選出分類效果最佳的特征，并采用均值PSD、標準差PSD、方差PSD和中位PSD四種不同的功率譜統計特性進行對比。通過實驗比較，心音收縮期100～300 Hz的中位PSD和MFCC組合特征有最好的效果，在準確率、精確率、靈敏度、特異度和F1得分上分別達到96.50%、99.27%、93.35%、99.60%和96.35%。結果顯示本研究所提算法對先心病輔助診斷具有較大幫助。