心脏是人体循环系统中最为重要的生理器官,传统的心电数据分析多数应用线性分析方法,但实际上心电序列是一种典型的非线性时间序列。随着计算机功能的增强,人们提出了更为精确复杂的心律失常分类方法,但由于采用的特征提取方法对特征参数的依赖度较高,当识别心电类别较多时会出现严重的误判。本文将黎曼流形架构应用于心律失常可视化与分类中,提出了基于黎曼流形的心律失常可视化与分类算法。算法借助滑动窗口分割将心电序列划分为若干个子序列,将每个子序列求取的协方差矩阵作为心电信号的特征描述子,通过奇异值分解将心电序列可视化为椭球,利用椭球的各向异性指标描述心电序列并实现其可视化,直观展现出正常心电与四种常见心律失常心电序列的区别。同时利用对称正定矩阵流形的拓扑结构,提出最小黎曼距离的特征表征和度量方法,用黎曼距离作为相似性度量计算各协方差矩阵之间的距离,借助距离最小判别原理,实现心电序列的各种心律失常分类。协方差矩阵包含了嵌入在心电信号中的空间信息,求取过程简单,不需要很多波形特征参数配置,同时协方差矩阵具备的对称半正定性满足特殊的黎曼流形,利用黎曼距离作为心电相似性度量得到的心律失常分类结果较其他方法更为直观有效。针对本文提出的方法,以MIT-BIH标准心律失常数据作为实验对象,对正常窦性心律(Normal)和四类心律失常:左束支传导阻滞(Lbbb),右束支传导阻滞(Rbbb),房性早搏(Apc)、室性早搏(Pvc)展开分类研究,应用最小黎曼距离分类器,平均分类精度达到了98.25%。通过与几种常见的相似性度量进行对比,表明本文提出的方法能够得到更准确的分类精度,有较高的优越性。