传统的概率神经网络(Probability neural network,PNN)具有很强的容错性、学习过程简单、训练速度快等特点.为提高传统PNN在心音分类方面的性能,利用最小均方(Least mean square,LMS)方法对其进行优化,进而提高心音分类与预测的准确性.LMS-PNN算法对心音的信号运用窗函数进行分帧,利用双门限法确定数据IS的值,运用LMS方法对相应的参数进行调试,并将去噪后的数据以mat格式保存,提取出各个心音的短时自相关系数以及短时功率谱密度,并运用PNN,抽取40000个样本数据进行训练,并对各心音进行等级划分与预测.从PNN的模式层输入训练数据后,由实验数据验证可知,LMS-PNN算法的预测准确率可达96%以上.