心电图(ECG)信号能很好地反映出人的病理特征,是临床诊断的重要依据,但由于ECG信号是一种微弱、非平稳、易受噪声干扰的信号,使得ECG信号的识别诊断具有较大困难。本文针对ECG信号特点,采用时频特征对ECG信号识别展开研究,着重研究了ECG信号特征波定位检测、特征值提取及识别分类方面的内容,具体研究工作如下:首先,进行了ECG信号特征波QRS波的定位检测研究,通过改进已有的小波变换算法和阈值算法,提出了基于三次B样条小波自适应阈值的QRS波检测算法。该算法选取了滤波器个数少且在噪声环境下检测奇异点较好的三次B样条小波作为小波基并结合自适应阈值的方法检测小波变换的模极大值对以提高检测速度。仿真实验在MIT-BIH数据库中验证表明该方法能有效检出含有严重基线漂移和工频干扰的ECG信号,检测率达到了99.8%,并能满足实时检测的要求。然后,提出了一种是基于小波能量熵的晚电位识别算法。该算法根据小波变换的多分辨率特性构造相关能量熵,凸现了暂态异常信号的差异、抑制了噪声,并且此算法不需要QRS波的逐拍定位。仿真实验证明该方法能有效识别出晚电位信号。其次,提出了一种基于小波包节点熵的心律失常信号分类算法。算法在对QRS波精确定位的基础上研究了比小波变换具有更加精细时频结构的小波包特征值。为了进一步进行定量分析,将小波包特征值输入支持向量机和径向基神经网络两种分类器进行分类,并提取小波特征进行组合比较,仿真结果显示基于小波包节点熵特征值与支持向量机的组合分类结果达到了97.14%的准确率,高于其他对比方法。最后,研究了基于时频分布的心律失常信号识别,主要通过改进经典的时频方法提高信号的时频聚集性和可读性对心律失常信号进行区分。文中主要提出了两种方法,一种是结合了高阶特征与WVD优点的Wigner高阶谱法,该方法有效抑制了噪声、提高了时频聚集性;另一种是基于PWVD-Hough变换的改进方法,该方法将ECG信号的伪Wigner-Vile分布(Pseudo Wigner-Vile Distribution,PWVD)在Hough变换域表示,能在一定程度上抑制噪声减少交叉项,对ECG信号有凸现和聚集作用,提高了时频图的可读性。