近年来,人们现代化、快节奏、亚健康的生活方式,使得心血管系统的疾病越来越普遍化,严重危害着全人类的健康与生命。心电信号(electrocardiogram,ECG)诊断技术是目前广泛采用的对心律失常等各种心脏功能疾病的检查和诊断的重要措施。随着电子科学和信息技术的进步与发展,心电信号自动识别技术已被广泛地用于心脏病监测和诊断的研究。本文主要针对心电信号的自动识别算法进行了深入研究,并进行了心电监测系统的软硬件设计,主要研究工作如下:(1)针对心电信号采集过程中的各种干扰和噪声,设计了心电信号的预处理方法与信号质量评估方法。预处理方法根据各类型噪声的特点对信号进行了充分滤波,信号质量评估方法给出了信号被噪声污染程度的评价指标。(2)针对传统的心电信号QRS波检测算法存在的抗干扰性差、漏检和误检率高的问题,提出了一种基于决策树与回溯校验的QRS检测算法。该算法设计了峰值有效性检测、冷却窗口、自适应阈值等一系列校验规则,以降低漏检和误检的可能。测试结果表明,本文的心电信号QRS检测算法获得了较高的检测灵敏度与准确率,极大程度上减少了R波的漏检和误检。(3)针对心电信号形态复杂导致特征提取困难、自动分类模型准确度低、现实应用性差的问题,设计并仿真基于U-NET全卷积神经网络的心电信号语义分割的识别分类方法。该方法无需进行人工特征的设计,通过全卷积神经网络的编码运算规则,将心电信号切片数据作为输入,标签地图作为输出,可划分出信号片段中的心拍位置与类别。仿真结果表明,本文的心电信号识别方法在心律失常五分类问题中取得了较高准确率,实现了对心律失常心拍的有效识别。(4)给出了心电信号监测系统的设计方案,对硬件布局进行了优化,以降低采集终端的体积和功耗,并对相应的软件进行了设计。通过设计心电信号采集电路、无线网络传输电路、以及心电信号监测软件,搭建了“采集端-用户控制端-监测端”的系统结构,实现了心电信号的采集、传输、自动识别、信息展示的功能。