随着通信与计算机技术的快速发展,远程医疗系统已经逐渐成为常规医疗系统的重要组成部分。远程医疗系统不局限于保障医患之间交流的便利性与可靠性,在患者与医疗站点以及医疗站点间传输医疗数据、图像、健康信息等已经成为主流应用。心电图(Eletrocardiogram,ECG)信号的形态、变化及相关指标由于其可真实反映人体心脏特定的生理或病理特征而被传输,以便进行远程诊断及监控、远程护理等医疗活动。　　但是,ECG信号通常包含各类噪声,需对其进行预处理保证后续操作的有效性;它的波形突变性使得特征波100％正确检测及自动诊断难于实现;其伪周期性是造成远程医疗系统中ECG数据存储、传输等资源浪费的主要原因。同时,基于无线传输通信系统且具有资源受限的终端等带来的限制仍不能忽视。　　基于传统的ECG信号处理方法,结合远程医疗系统资源有限的特点,重点针对远程医疗系统中ECG信号的处理方法进行研究:首先应对ECG信号发生模型进行研究,这不仅有助于统一建立后续处理算法性能评价指标,对特征波分型、自动诊断算法的设计也具有重要指导作用;其次关注在资源受限的远程医疗终端上实现ECG信号的采集、预处理、特征波检测、压缩等处理方法的研究;最后就是在接收端设计纠错能力强的重建算法。　　基于以上要点,本文主要针对以下几个方面开展深入系统的研究:　　第一,基于高斯镜像模型的ECG信号发生模型的研究。针对现有模型中参数固定,不能很好模拟ECG信号的伪周期性、实用性不强的问题,本文设计出一种新的基于高斯镜像模型的自适应动态系统模型。该模型对ECG信号的每个心动周期进行自适应拟合,获得特征波形态以及发生时间对应吸引子的参数。该参数不仅能够作为心律失常类型的分类及判别依据,用来设计远程医疗系统中各类型ECG测试信号,同时可作为参数提取压缩算法的结果进行存储及传输。　　第二,基于提升方法构造形态学多分辨率分解的ECG信号预处理算法研究。对ECG信号进行预处理的目的是在保证尽可能小的信号失真前提下,滤除各类噪声。本文提出一种基于提升方法构造形态学多分辨率分解的ECG信号预处理算法(LMW算法)。该算法采用基于三次样条插值的预测、更新算子,能够获得较理想的预处理性能,有效减小了方块效应,且具有适中的算法复杂度。　　第三,基于混合处理的QRS复波检测算法研究。QRS复波检测是实现ECG信号自诊断算法设计的核心,同时影响到压缩重建过程中心动周期的划分等后续处理。为尽可能提高检测正确率,本文提出一种结合小波变换与形态学多分辨率分解的QRS复波检测算法(WMR算法),兼具二者在R峰检测方面的优势;并应用R峰回溯算法,进一步减少了漏检与误检,且能够降低异常波形带来的影响。该算法能够利用预处理算法中形态学多分辨率分解的部分结果,有效降低算法的复杂度。　　第四,基于压缩感知的ECG信号压缩重建研究。ECG信号压缩重建过程的特殊性在于需要兼顾信号保真度和压缩率。分布式压缩感知理论中的共同支集模型能够充分利用多导联ECG信号的相关性,具有较强的纠错能力。本文优化了基于分布式压缩感知的压缩重建算法,对多导联ECG信号进行重新分组,采用分布式同步正交匹配追踪算法(DCS-SOMP)进行重构,并利用QRS复波位置、稀疏系数等部分已知条件进一步减少算法的迭代次数。该算法在保证高保真度的前提下,压缩比性能较为突出,且算法鲁棒性较强、发送端算法简单。同时该算法能够利用QRS复波检测中小波变换的系数进一步减小计算量。