心电(ECG)监护系统提供了有关人体健康的重要信息，在保护健康、挽救人类生命方面起着不可忽视的作用，而带有心电自动分析功能的监护系统，比如心律失常监护报警仪，还可以对心电信号进行自动处理、分类和报警，使得监护过程更可靠和简单。由于QRS波是ECG信号的主要特征，在进行心律失常自动检测过程中，最关键的就是QRS波的检出。QRS 波检测的难度是在于：一是不仅每个人之间的QRS波的形态有差异，即使同一个人在不同时刻的QRS波也会有所变化；二是ECG信号中可能出现各种类型的噪声干扰QRS波的检测。本文研究了心电信号的放大电路和在Windows98下的采集方法，并在此基础上研究了QRS波的检测算法。出于算法运行速度和准确性的考虑，着重研究了QRS波检测的两种算法：一阶微分窗口积分法和小波时间－尺度检测法。使一阶微分窗口积分法的带通滤波部分更适合于本文的采样频率；将小波时间－尺度算法添加了一个非线性放大环节，提出了把小波分解模量与其绝对值相乘来提升信号的小波分解模量极值的方法，最后用尺度4和尺度1两个尺度上的小波分解细节信号的模量极值联合对信号进行分析。文中重点对这两种算法的软件运行速度和检测精度进行了量化的分析比较，用MIT-BIH标准心电数据库对算法进行了验证，发现：一阶微分窗口积分法抗肌电噪声和其他高频噪声的能力优于本文基于小波的算法，而在抗阶跃噪声的能力方面小波算法却更胜一筹。对检测到的QRS波的宽度而言，小波算法具有更高的精度，探测到的宽度的误差最多不超过2个采样点，而一阶微分窗口积分法探测到的宽度值误差较大，且总是偏小。在算法运算量方面是一阶微分窗口积分算法要小一些，在本文的实验条件下，一阶微分窗口积分法处理1024点数据用时3.5~4ms，而小波算法是33~34ms。前者的运行速度大大的超过了基于小波的算法，约是小波算法运行速度的10倍。本文的分析为仪器设计中算法的选用提供了重要的参考