集成电路技术的发展使更多复杂的处理模块能够集成在很小的芯片上,这给基于传感器的可穿戴心电监测装置发展带来了机会。在可穿戴心电平台中,基于通用处理器的心电处理平台能够同时兼顾硬件和软件设计的灵活性而应用广泛,但是功耗是其应用的主要障碍。本文以心电信号处理为目标,以通用处理器平台的低功耗设计为核心,主要研究了包括心电处理算法和处理器存储架构等关键技术,具体的研究内容和创新点包括：1.基于经验模态分解的心电压缩算法研究。通过分析经验模态分解算法的流程和特性,本文首次提出了使用经验模态分解的筛选过程进行压缩的算法。该算法使用第一阶本征模态函数的筛选过程,利用筛选函数的极值均值点能够重构原信号的特点,避免了传统使用极值点拟合本征模态函数具有较大误差的缺点,并结合筛选函数重组、极值均值点优化选取的方法,减少了需要保存的特征点数量,在达到较低重构失真的同时增加了压缩效率。相对于传统经验模态分解的心电压缩方法和其他变换域的方法,该方法能够实现更大的压缩效率和更低的重构失真。在以传输数据为任务的可穿戴心电设备中,该方法能够降低数据传输量,减少无线传输功耗。2.信号特征预判的低功耗QRS检测算法研究。本文通过分析基于小波变换的QRS检测算法,利用绝大部分小波变换系数幅值较小的特点,提出了基于时域信号特征预判的低运算量QRS检测算法。该方法利用简单的时域滤波和预判操作,筛选出信号中疑似QRS波段,并结合不同RR间隔(心跳间隔),对疑似QRS波使用基于单尺度小波分解和多尺度小波分解相结合的QRS检测方法。实验结果表明,该算法在检测准确率和抗噪声能力上都与原基于小波变换的算法相当的情况下,获得了77.9%的运算功耗降低。该算法能够获得算法复杂度和功耗的降低,非常适应可穿戴心电平台的实时处理需求。3.面向心电处理的低功耗内存架构研究。本文通过分析基于小波变换的QRS检测算法,研究了内存空间中局部地址范围内的值空间局部性(内存值之间差值较小),提出了基于值压缩的压缩存储策略,其通过在多个内存地址中使用一个基地址和多个较小宽度偏移值的方法,降低存储空间消耗。并针对内存值动态变化特性,设计了以链表方法管理的后备非压缩空间用于动态的分配和释放非压缩内存空间存储原压缩值。进一步,利用程序内存的顺序访问特性,本文设计了基于内存读写缓存的低功耗访问策略。实验结果显示,相对原内存架构,该内存架构能获得32.5%的内存空间降低,68.1%的内存功耗降低。该架构和方法能够在降低内存容量消耗的基础上,获得访问功耗的降低,非常适用于基于通用处理器的心电平台。本文提出的关键技术对可穿戴心电检测平台,特别是针对极低功耗心电处理的通用处理器平台的设计具有积极的理论研究意义和实际应用价值。