心血管疾病是人类健康的头号杀手,已成为重大的公共卫生问题,防治心血管疾病刻不容缓。心电图(Electrocardiogram,ECG)是众多心血管病诊断手段中最便捷有效的,其中的峰值和边界点是实现诊断的重要特征。ECG中的边界点,体现了心脏的状况,与人体的健康息息相关。本论文为实现心电信号基准点标定,研究了心电信号边界界定方法;对市面上的穿戴式心电设备现状进行分析,改进了现有设备的不足,研究了十二导联心电监护衣;算法通过仿真实验和多个数据集验证,实际表现较好。论文主要的研究内容如下:1.针对ECG数据实时检测问题,提出了一种基于自适应阈值和粒子群优化(Particle Swarm Optimization,PSO)的QRS界定算法。针对运动伪影的影响,提出了基于RS负斜率与持续时间的QRS增强技术。算法通过滤波完成预处理,在信号增强阶段引入RS部分,利用RS波的斜率特性,实现伪影的抑制,提高算法的鲁棒性。决策阶段结合两组自适应阈值,实现QRS的定位,并使用PSO选取最优参数。最后在QRS峰值的基础上,利用信号的突变情况,实现边界界定。该方法减小了计算量,提高了精度和鲁棒性,解决了心电实时检测问题以及运动伪影的影响。2.针对P波和T波的边界界定,提出了一种基于小波变换的检测算法,在数据的预处理阶段引入稀疏辅助信号平滑(Sparsity Assisted Signal Smoothing,SASS)。在预处理阶段,使用SASS处理数据,改善了低通滤波对信号本身的破坏,提高了算法的鲁棒性,还原了更加真实的ECG数据。边界界定部分则使用小波变换,根据QRS的位置,进行对应窗口处理,最终实现了多形态的P,T波的边界界定。3.针对现有穿戴式设备的不足,设计了十二导联心电衣,结合所提出的算法,最终实现了应用。心电衣实现了十二导联动态心电数据的实时采集,并通过蓝牙传输到智能设备,结合云平台,实现了患者和医生的交互。心电衣采用铜镍织物材料作为感知电极,实现了高效舒适的数据感知,结合提出的边界界定算法,有效的处理了心电数据,实现了心电信号的采集、处理及应用。