长期以来,心血管疾病一直是危害人们健康的重要因素。心电图（Electrocardiogram,ECG）作为心脏节律变化的主要观测手段,是辅助诊断心脏相关疾病的重要工具。然而,ECG信号作为一种低频微弱的生理信号,在获取过程中,容易受到外界因素的干扰,影响其波形的正常变化。如何保证ECG信息的准确性,对分析判断疾病有非常重要的作用。基于以上考虑,本文按照“ECG原理稀疏原理形态分析ECG降噪”的研究思路,从ECG信号的稀疏特性出发,立足辅助专业人士诊断的实际需求,提出两种基于ECG稀疏特性的降噪算法,利用MIT-BIH数据库对算法的有效性进行了验证。本文创新点主要包括以下方面:（1）针对ECG信号含有基线漂移噪声的问题,本文利用ECG信号的组稀疏特性,通过将ECG信号分解建模,提出一种基于组稀疏特性和低通滤波相结合的去噪算法,此算法用于去除ECG成分中的基线漂移和随机噪声。（2）针对传统全变分（Total Variation,TV）降噪算法在ECG信号处理过程中造成的峰值、波谷信息低估的问题以及产生阶梯状伪影的问题,本文提出一种基于组稀疏阈值函数的全变分去噪算法（Group Sparse Total Variation,GSTV）。在选择ECG信号的稀疏特性时,有效地提取了信号的结构性变化。提出的算法在MIT-BIH库做了相关验证,与传统方法相比,该方法可以有效的提高被低估的信息成分及信号恢复的保真度。（3）针对ECG信号中含有的高斯白噪声,研究基于稀疏恢复的ECG降噪技术,提出一种新的融合算法（RSSD-MN）,该算法包含形态成分分析的ECG共振信号稀疏分解（Resonance Signal Sparse Decomposition,RSSD）模型,中位值平均滤波算法以及归一化最小均方自适应滤波算法。RSSD作为一种基于共振特性而非频率的数字信号处理方式,可以根据ECG信号中不同成分的震荡特性对信号进行有效地分解处理,并采用特定的处理方式去除噪声。相对于小波、经验模态分解等传统降噪方式,提出的算法使心电信号的信噪比平均最大可提升87%,均方根误差最大可降低到0.08。本文所提出的算法总体达到预期的效果,对于ECG信号的处理具有有效性和应用价值。