心脏病对人类的生命和健康构成了严重威胁，而对心脏病预防和诊断的最好途径就是进行长期的家庭监护。作为一种新型心脏监护手段，心冲击图(Ballistocardiogram，BCG)能够记录心脏的机械活动情况，能较敏感而准确地反映心脏的机械性能指标。与心电图（Electrocardiogram，ECG）和心音图(Phonocardiogram，PCG)相比，BCG不仅具有无创性更具有无感觉的检测优势。在检测时，无需传感器直接贴附体表，能够在正常穿戴下无感觉地对心脏健康情况进行评估，长期使用不会对受试者造成心理负担。因此，基于BCG信号的心脏监护系统的设计与研究具有十分重要的学术意义和广阔的应用前景。　　目前，在BCG信号检测、降噪以及心率提取等方面还存在着较多问题，尤其是基于BCG信号的心脏监护方法还有待深入研究。因此，本文围绕BCG信号检测装置的设计、信号降噪、波形特征提取以及心率变异性评估等方面的关键技术展开了研究，为将BCG应用于心脏监护奠定了基础。主要工作及研究成果如下：　　针对检测系统在滤波、放大和调试中存在的难题，设计了一款新型的BCG信号检测系统。该系统引入了程控放大和数字滤波技术，有效地降低了硬件电路设计和调试的难度、减少了噪声的引入以及提高了系统的集成度。结合WiFi模块实现了无线传输功能，减少了通信线路干扰，扩大了信号传输范围。通过对检测系统的静态和动态性能的分析，验证了系统设计的合理性。　　针对BCG信号非常微弱，且易受到噪声干扰等问题，从BCG信号的生理机制出发，提出将趋势项消除、平滑和小波技术相结合的信号处理方法，实现了信号的预处理和降噪。利用自相关函数确定了BCG信号中的近似周期性特征，并且利用功率谱密度估计了BCG信号的频率范围;通过对不同阈值方法下的小波降噪效果的评价，确定了适合于BCG信号的小波基、小波分解尺度和阈值降噪算法。　　对BCG信号进行快速而准确地分段是实现波形特征分析和心脏监护功能的关键。因此，分析了现有的BCG信号分段方法的不足，提出了一种基于Hilbert包络谱的盲分段算法。实验结果表明，该算法无需ECG辅助，即可准确定位J波，从而摆脱了同步采集ECG信号的弊端，凸显了BCG信号无感觉检测的优势。　　研究了基于BCG波形特征的心脏监护方法。从数据统计的角度出发，提取了BCG信号的IJ幅度、JK幅度、IJ间期、JK间期等时域特征，利用Bartlett法统计了BCG信号的频域特征，最终初步建立了健康受试者的波形特征标准;讨论了Choi-Williams分布方法中核函数对Wigner-Ville分布交叉项的抑制机理，并利用该方法对健康受试者和心脏病受试者BCG信号进行了时频联合波形特征的对比分析;通过对运动后和Valsalva动作期间的BCG波形特征的分析，得出所设计的装置能够对不同状态下受试者的心搏量进行准确记录。这些研究成果为受试者心脏健康情况的判定提供了新的依据。　　为了提高逐拍心率提取的速度和精度，提出了一种基于分段式动态时间规整(Segmented Dynamic Time Warping，SDTW)的逐拍心率提取算法。实验结果表明，利用该算法获得的心率与同步ECG获得的心率具有较好的一致性，并且从平均相对误差和匹配时间的实验结果分析可知，该算法在准确率和速度上均优于传统的模板匹配算法。为快速而准确地进行心率变异性(Heart Rate Variability，HRV)分析提供了保障。　　利用BCG信号对不同年龄段人群的HRV进行了分析。讨论了FFT频谱分析方法的不足，并提出将AR模型应用到基于BCG的HRV频谱分析中，得到了较理想的处理效果。该项研究为HRV分析提供了一种全新的手段，同时也为BCG应用于心脏家庭监护奠定了基础。