心电信号（Electrocardiogram,ECG）能很好地反映出心脏的活动状态,为临床诊断和治疗心血管疾病提供重要参考。ECG信号在采集时,往往会受到各种噪声的干扰,特别是在剧烈的运动过程中,心电信号中会存在大量运动伪影和幅度值异常的干扰噪声等,这严重地影响了ECG信号分析与检测精准性。ECG信号预处理和检测方法在不同的环境中仍有很多不足之处,有待于进一步的改进和创新。因此本文主要研究内容和创新点在于:（1）结合现有静息状态下的心电去噪方法,为了优化传统阈值函数的不连续性,提出了新的自适应阈值函数——乘方阈值函数,并定义了新的噪声估计模型。根据平滑分解信号分量特性,对时间窗内的叠加噪声分解进行噪声估计,并使用乘方阈值函数模型进行去噪处理。通过对MIT-BIH数据库数据的分析,证明了新的算法可以有效地改善信噪比、降低平均误差、保留信号波形特性;实验表明,本文提出的算法在噪声去除方面有明显的优势。（2）提出WD-NLMS自适应滤波器算法,去除运动状态下心电信号运动伪影。由于动态状态下各种噪声在时域和频域上的重叠,单用分解及阈值函数无法去除针对心电信号的频率和幅度变化产生的运动伪影,且阈值函数不具备实时去噪功能。因此本文结合自适应滤波器的实时特性及小波变换频分特征,提出了小波变换与NLMS相结合的WD-NLMS自适应滤波器算法,对运动伪影进行抑制;并利用中值滤波的非线性特性对Sport数据库中不同阶段下的ECG信号去除基线漂移干扰。动态去噪模型的效果通过公开的Sport动态心电信号数据进行实验,实验效果表明该模型去除动态噪声的效果比阈值方法具有高时效性和自适应性。（3）IADT算法对心电信号特征信息QRS波的检测。考虑到运动状态下心电信号的实时性以及自适应阈值在实时修正特性,本文提出一种改进的双阈值自适应检测算法（IADT）,算法基于已有的双阈值检测方法增加了阈值筛除伪R波、修正RR间隔、减少T波干扰等约束条件。在Sport数据集选取五种不同运动状态的心电信号数据段对改进的算法性能进行测试。实验结果表明,在不同运动状态下,IADT算法对QRS波的检测均表现出较好的抗干扰性,R波检测正确率也有所提升,可以实现在不同运动状态中的特征波检测,满足在可穿戴智能手表/手环中实时检测的应用。