近年来,随着复杂网络在理论、工程等各个领域的广泛应用,从时间序列到复杂网络的转换方法开始定义各种规则将时间序列的各种信息转换保留于复杂网络的节点和连边中,并分析相应网络的指标来反映时间序列的特征,为时间序列的处理提供了一种全新的角度。本文回顾了从时间序列到复杂网络的代表性算法：周期网络、递归网络、可视图算法、频率-度算法和随机游走网络。我们分析了这些算法的特点,并总结了相关的应用。对此提出了新的算法,并将新算法应用于心电信号的处理分析。基于对前人算法的总结归纳,我们利用自回归模型描述时间片段,将时间片段向量对应转换为网络中的节点,通过自回归模型中的系数定义了节点之间的传递系数,自适应三角形法巧妙界定了节点之间的有向连边；网络中的节点带有了时间标签,网络的连边具有符合时间顺序的有向性,反应了节点之间的有向时延传递信息。自回归模型转换算法建立的有向网络中,不同的有向子图反映不同的时延传递模式；同时我们回顾了关于心电信号检测和预测方面的研究现状和背景。将三节点的有向子图比例用于检测区分心室颤动信号和窦性心律信号,并且将检测区分的结果同现有存在的代表性算法进行比较；同时设计指标用于预测心室颤动的发生。接着介绍了房颤的相关知识,多导联心外膜数据的获取过程；然后利用自回归模型转换算法的参数变化,用于心房颤动的分析检测；也进一步验证了自回归模型算法的特征分析。新提出的幅度-时域算法,该算法将一个数据点转换为一个网络节点,计算任意两节点之间幅度差值和时间差值的比值,通过比较阈值来决定节点之间是否有连边；由此简单地建立时间序列和复杂网络的连接,与频率-度算法相比较只利用网络中的平均度的指标快速区分三种心电信号,未使用计算复杂度相对较高的平均路径长度。