心脏类疾病一直并将持续成为人类生命健康的头号杀手。随着国民生活水平的提高,人类的健康问题受到越来越多的重视。心电信号(Electrocardiogram,ECG)作为一种表征人体生命状况的电信号之一,能够反映心脏的运行状况,对于心脏病的预防、诊治具有极大的参考价值。心电自动分析系统能够为医生和用户提供很大的便利,尤其是智能化、便携式医护设备,它们不仅能够提高医生的工作效率,而且能够随时随地为患者进行诊断,对疾病进行有效预防。然而我国心电自动分析系统的开发还不是很成熟,本文旨在设计新的心电信号分析算法,为开发新型心电分析系统提供帮助。本课题主要做了以下几个方面的工作:1.研究分析了具有时频分析功能的新型信号处理方法:小波变换、经验模态分解(Empirical Mode Decomposition,EMD)及其扩展算法。扩展算法包括集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)和变分模态分解(Variational Mode Decomposition,VMD),它们的提出是为了解决EMD中存在的模态混叠问题,文中对它们的抗混叠效果进行了分析,在EEMD和VMD算法参数选取合适的情况下,可有效抑制模态混叠。2.设计了基于小波变换及改进EEMD的心电信号综合滤波方法。首先,对心电中的干扰进行分析,建立含噪信号模型;然后,使用小波阈值法消除工频和肌电干扰;接着着重介绍了基线漂移干扰的消除,文中对EEMD算法中加入辅助噪声的大小和集合平均次数给出了可依据准则,接下来使用改进EEMD算法实现基线漂移干扰的滤除,该算法能够提高信噪比,减小均方差,保持心电波形特征;最后,针对实际应用中多种噪声同时出现的情况,设计了心电信号综合消噪算法。3.开展了QRS波群检测算法的研究工作。首先对VMD算法中预设尺度数的确定设计了一种简单有效的方法,然后采用改进VMD算法进行R波的定位。经验证,该算法R波平均识别率为99.73%。后续针对Q及S波的特点,在R波正确定位的基础上,使用斜率突变法对Q和S波进行识别,该方法原理简单,运算量较小。