心电图的自动分析对于心血管疾病的分析和诊断有着十分重要的意义。随着心电图在临床中日益广泛的应用，如何对海量的心电图数据记录进行更加精确和快速的计算机自动分类作为一个综合和复杂的课题，也就越来越受到广大研究者的重视。 本文首先简要综述了心电图波形分类的基础技术——波形检测技术的现状，并对目前已有的波形分类的两大类算法——模板匹配算法和特征提取分类算法作了比较，对它们各自的有代表性的几种算法进行了描述，分析其特点和不足之处。 其次，本文提出了基于模板匹配和特征提取相结合的室性早搏分类算法。模板匹配算法应用了基于轮廓限围理论的可变区域模板技术，具有自学习自适应的特点，因此模板能够对心拍的波形形态信息进行实时更新。然后本文选取了4个参量进行特征模糊识别和分类，建立了一套室性早搏分类规则。通过MIT/BIH数据的实验研究证明，其判别室性早搏的特异度和灵敏度分别高达99.51％和96.84％，这是以往的模板匹配算法和特征分类算法所不能达到的。并且，由于其简单的模板匹配原理和简化了的特征分类规则，该算法在分析速度上也达到了令人满意的效果。 最后，基于这种新的分类算法，本文开发了一个心电图分析中心。在对心电图数据的高精度分类结果的基础上，实现了室性早搏连发事件的计测、全套心率变异性指标的统计、ST段参数的测量与描述，解决了心电图分析中的典型问题。