据中国心脑血管疾病指数报告(2017)指出,我国的死亡人数中有超过40%死于心脑血管疾病。而心脏起搏器因其能有效治疗包括心律失常、心动过缓、心力衰竭、房室传导阻滞以及房颤等疾病而在临床上使用。对心电图自动分析的研究一直是研究热点,但对于起搏心电图自动分析的研究则相对较少。本文的研究内容围绕对于起搏心电图的检测以及自动分析展开,主要包括以下内容:首先是对起搏心电图进行预处理,本文将噪声分为低频和高频设计了中值滤波器以及均值滤波器对噪声分别予以滤除。根据改进的凸点算子来处理起搏心电图,消除QRS波群对于检测的干扰并进一步凸显起搏脉冲,根据起搏脉冲的特点设计了一套针对起搏脉冲的复检策略,对包含起搏脉冲的MIT-BIH心律失常数据库的数据进行测试,达到了95.4%的正确率。在对QRS波群检测上则采用了基于香农能量包络的方法来检测,通过对原数据进行归一化处理之后进行香农能量变换再通过三角滤波器得到其包络,消除了孤立的噪声点对于QRS波群检测的影响,再根据心电图特点进行复检以提高正确率,在对MIT-BIH数据库中包含起搏脉冲的数据进行检测,正确率达到99.90%。在起搏心电图自动分析方面,首先是分析各起搏类型的特点,通过检测得到的RR间期以及起搏脉冲与QRS波群的距离对得到的原始心电数据进行起搏器类型的划分。再根据ID3决策树算法对起搏心电图的基本功能进行检测,首先构建数据集,本文将起搏心电数据集分成了12个具体的类型,并计算数据集的信息熵,再对每一个具体的属性单独计算其信息增益,即其对减少信息熵的贡献,最后根据信息增益构建了起搏心电图决策树。并在相应的数据集上进行测试,对起搏心电图的类型及工作状态的分析正确率达到了95.5%。