随着心脏疾病的日益普遍以及人们自我监测意识的不断增强,用于家庭监测和远程医疗的可穿戴式心电图(ECG)采集系统日益受到人们的关注。但此类的可穿戴式设备能直接采集的ECG导联数较少,所能提供的医疗ECG信息有限。而利用较少导联信号重建标准12导联信号的方法则能很好的解决这样的问题。本文首先提出了一种基于遗传算法优化的BP神经网络法来进行标准12导联ECG信号的重建。该方法通过遗传算法来优化BP神经网络的初始权值和阈值的设置,在此基础上BP神经网络再进行训练,训练完后的网络输入已知的3导联信号组即可重建出标准12导联的其余信号。该方法在基于The PTB diagnostic ECG database建立的数据库中进行了实验,并且与线性变换法和普通的BP神经网络法进行了对比。实验结果表明,该方法有效地提高了标准12导联ECG信号的重建效果。本文还进一步的提出了基于ECG特征分区的自适应导联重建方法。该方法首先将ECG波形按照特征及波动特性进行分区,对每个区域的波形单独进行训练得到各自的最优网络,并且在重建时自适应地选择不同分区的网络进行重建。实验结果表明,本文的分区自适应导联重建法不仅在ECG整体波形的重建准确率上有了很大的提高,对于ECG本身的特征也有更好的重建效果。