房颤是最常见的心律紊乱，其患病率随着人群年龄的增长而升高。利用计算机自动分析心电图，诊断房颤具有重要的意义。论文提出了一种去除背景干扰和背景网格，保留有用的心电图信号的图像二值化算法。首先将数据库中的索引图格式图像转化为RGB格式图像，然后在R页面（数组）、G页面（数组）和B页面（数组）分别剔除相应干扰，最后将三个页面（数组）的信号再作“或”处理，得到所需的心电图。文中还设计了一种对以图像形式保存的信号进行采样的算法，提取最符合原始数据的信息；并采用MatLAB的Sptool工具箱设计了滤除高频干扰的滤波器和滤除基线漂移的滤波器，能够有效地滤除高频干扰和低频的基线漂移干扰。作者将分形维数分析方法引入房颤心电图的分析中，计算了多例房颤和正常心电图的分形维数。结果表明二者存在差异，但个体之间存在交集。R波的检测在心电图的自动分析中占有举足轻重的地位。论文提出了一种利用前后幅度差值、波形宽度和R-R间期三种因素综合判断的R波检测算法。经试验，房颤心电图R波检测的正确率最低为97.7%，最高为100%，平均为99.5%，正常心电图正确率最低为99.7%，最高为100%，平均为99.9%。该算法具有较强的抗干扰能力和较高的准确率。论文最后介绍了R-R间期散点图的概念，并利用MatLAB程序绘制了11幅房颤心电图的散点图和13幅正常心电图的散点图，结果表明二者的形态具有较大的差异：房颤病例的散点图可呈现短棒状、扇状和复杂状，阵发性房颤与持续性房颤的散点图差别较大。正常心电图的散点图，大部分呈现为彗星状，也有一部分呈现为鱼雷状，少部分呈现宽腰状。论文还计算了散点图的长短轴比值，认为房颤与正常散点图的比值存在较大差异，该参数可以作为判断房颤的一项重要指标。