Auscultation is a method of clinical practice, simple, noninvasive, used to diagnose diseases of the respiratory system. However, it is an imprecise method because, among other factors, the limitations of the auditory system, the overlap of heart sounds and human hearing sensitivity difference, besides the limited spectral response characteristic of many commercial stethoscopes. These factors contribute to the diagnosis relies heavily on the experience of the professional expert. The acoustic analysis of spectral characteristics of signals of ventilation can be a complementary diagnostic technique in facilitating the process of detection and identification of breath sounds, providing aid in the assessment of symptom severity and treatment efficacy. In this study, we attempted to structure a process of analysis of pulmonary signs to identify characteristics of respiratory disorders. Accordingly, the signals were processed by filtering processes and decomposed into sub-frequency bands through discrete wavelet transform (DWT), generating vectors as coefficients for classification using an Artificial Neural Network. A case study with signals obtained from tests was presented and duly considered. / A ausculta é um método da prática clinica, simples, não invasivo, utilizado no diagnóstico de doenças do sistema respiratório. Porém, trata-se de um método impreciso devido, entre outros fatores, às limitações do sistema auditivo, a sobreposição de sons cardíacos e a diferença de sensibilidade auditiva humana, além da característica de resposta espectral limitada de muitos estetoscópios comerciais. Tais fatores contribuem para que o diagnóstico dependa muito da experiência do profissional especialista. A análise acústica de características espectrais de sinais da ventilação pulmonar pode ser uma técnica complementar de diagnóstico, facilitando o processo de detecção e identificação desses sons respiratórios, possibilitando auxiliar a avaliação da gravidade dos sintomas e a eficácia do tratamento. Neste trabalho, buscou-se estruturar um processo de análise de sinais pulmonares, para a identificação de características das patologias respiratórias. Nesse sentido, os sinais foram tratados por processos de filtragem e decompostos em sub-bandas de freqüências através da Transformada de Wavelet Discreta (DWT), gerando vetores como coeficientes para classificação utilizando uma Rede Neural Artificial. Um estudo de caso com sinais obtidos por testes foi apresentado e devidamente analisado.