随着人口老龄化的加剧和快节奏的生活方式,越来越多人出现了心脏功能障碍问题,与此同时,相应的医疗设施也在不断更新和改进。心脏疾病的诊疗手段丰富多样,其中心磁图是一种测量人体心脏电生理活动产生的微弱磁场的技术,具有无创、非接触、精确度高等特点,是目前新型医疗技术领域的研究热点。由于心磁信号极其微弱,通常采用超高灵敏度的超导量子干涉器（Superconducting Quantum Interference Device SQUID）在磁屏蔽室中进行探测,但性能优良的磁屏蔽室成本较高,且无法进行移动,限制了SQUID的应用场景。在无磁屏蔽或简易磁屏蔽环境下,SQUID磁强计会受到强大的环境噪声干扰,使采集到的心磁信号淹没在噪声中,因此需要采用信号处理算法抑制噪声,提取出有用信号。目前大多数算法都是对单通道信号去噪,无法对多通道信号同时进行处理,并通过成像从一个整体角度反映去噪效果。因此,本文对多通道心磁信号的去噪处理算法进行了详细研究,并提出了改进方法。具体研究内容如下:首先,针对本文采用的心磁数据集进行预处理,对其中存在的轻微基线漂移问题,采用了基于集合经验模态分解和自适应滤波的方法进行基线校正。利用形态学分析的方法进行QRS复波和T波自动定位,以便为后文选取T波时刻进行心磁成像做准备。其次,针对多通道心磁信号处理计算量大,操作繁琐的问题,本文提出了基于独立成分分析（Independent Component Analysis,ICA）和自适应噪声辅助完备集成经验模态分解（Complete Ensemble Empirical Mode Decomposition with Adaptive Noise）的多通道心磁信号去噪算法,记为ICA-C。该方法首先采用ICA进行分解,对于分解产生的独立成分,提出采用峭度准则进行选取,然后利用CEEMDAN算法去噪,在该算法中使用了区间阈值法来避免重构信号的不连续性。通过仿真实验,证明了该ICA-C算法的有效性。最后,为进一步提高心磁信号的信噪比,本文提出了基于ICA-C的多通道心磁成像优化（Imaging）算法。该方法对多通道心磁信号进行三次样条插值,并绘制等磁图,然后选择了等磁图中的三个典型指标,利用这些指标的误差最小化准则建立了一个优化模型,通过心磁成像对去噪结果进一步优化。通过对比实验,证明了该方法具有良好的去噪性能,且波形失真较小。