随着心脏猝死现象的日益增长,研制一种可靠的和便携式的心电图监测仪器迫在眉睫。猝死发生前可无任何先兆,据美国心脏协会(American Heart Association, AHA)统计,在猝死病例中,约有高达30 %的死者没有或从来没有发现过心脏病。绝大部分心脏病猝死情况发生在医院外面,如果能提前发现和采用迅速的治疗可以提高这部分人存活的机会。因此对猝死和恶性室性心律失常的预测是心律失常学研究的一个重要课题。心室纤颤(Ventricular Fibrillation, VF)是恶性心律,易引发心脏猝死现象。T波交替(T-wave Alternans, TWA)是心肌缺血时预测发生恶性室性心律失常与心脏性猝死的独立的、具有统计学意义的,国际公认的重要预测指标。本课题就是以VF和TWA检测技术为主要内容进行研究的。对于VF检测,本文介绍了几种经典的算法,并提出一种基于支持向量机(Support Vector Machine, SVM)的新算法。该算法基于SVM技术,Hurst index和相空间重构。待检测信号取自BIH-MIT和CU数据库,首先对待检测信号进行预处理,然后取滑动窗长度为3s计算出心电信号段的动力学指标值Hurst指数与相空间重构算法中的d值,最后把这两个参数作为特征向量输入到事先设计好的二分类支持向量机中,从而实现分类。本算法成功实现了心室纤颤信号的分类,并通过计算该算法的灵敏度、精确度、预测性和准确度且与其他算法比较,可得我们的新算法总体准确率优于其他算法。TWA是指在T波段幅度、形态逐拍交替变化的心电变异现象,目前已成为预测心脏性猝死的一个无创的临床指标。应用先进的信号处理技术和去噪技术,检测T波微伏量级的波动已经成为可能。传统的谱分析法需要精确定位,本文中深入探讨了一种基于T波最大值的TWA快速傅氏变换(Fast Fourier Transform, FFT)分析法。该方法能在减少抽样频率的条件下,保证计算精度。基于T波最大值的方法还解决了固定T波的取样点随着心率的变化而变化问题。该方法对连续128个正常心跳周期的ST-T结构中的T波最大值进行FFT变换,进而可以得到其功率谱曲线图。该功率谱图可反映TWA。结果显示,该算法的检测准确率较高,而且大大减少了仿真的计算量。我们致力于建立一个嵌入式的便携式心电图监测无线通信设备,便携式心电监护仪是及时检测出病人发生的心律失常信号并实时发出报警的心电监护设备,它具有体积小、便于携带、操作简单等优点,对挽救院外病人的生命发挥着重要作用。除了有优质的监测算法,处理器的选择也尤为重要。ARM公司推出的CortexTM-M3处理器主要适用于高性能、极其低成本需求的嵌入式应用,如:微控制器、汽车系统、大型家用电器、网络装置等。本课题中选用以CortexTM-M3为内核的STM32F103系列芯片搭建了原理性样机的硬件平台,设计了该样机的关键电路,包括采集模块、数据处理模块(外部存储电路、通信接口电路等)。