心脏病是一种严重威胁人类健康的疾病。心脏病的防治和诊断一直是当今医学界要解决的重要问题。心电自动分析技术可以及时检测到异常信号，并大大提高医疗工作者的工作效率，为心脏病的诊断和预测提供很大帮助。　　 目前，计算机心电图自动分析尚未广泛应用于临床，主要原因是由于心电波形种类繁多难以识别。目前心电信号的自动检测和分析方法尚有不足之处，还有改进创新的余地。本文对动态心电信号的实时检测、心电信号的特征提取、心电波形的识别与疾病诊断等问题进行了研究，提出新的算法并应用MIT-BIH心电数据进行了仿真实验。　　 本文的研究重点在于QRS波群检测和波形识别的算法，讨论了波形识别算法的基本设计思想以及遇到的技术问题和解决方法。　　 论文的主要内容包括：　　 第一，揭示了动态心电仪的重要意义，阐述了课题的背景，对Holter技术及其发展现状和方向进行了综述。　　 第二，对心电图的基本知识作了介绍。然后对本文用来作为检测标准的MIT-BIH心律数据库作了简要介绍。　　 第三，介绍心电波形三种常见的干扰，工频、肌电和基线漂移，然后介绍了消除干扰的方法，着重介绍了小波分解与重构的方法。　　 第四，介绍了神经网络的原理，几种典型的模型，着重阐述了学习矢量量化神经网络，这是本文用于波形识别和检测的基础。　　 第五，提出QRS检测及识别算法，重点阐述本文提出的用于QRS波群检测的局部极值法和用于波形识别的分段特征向量识别算法。