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,及时检测心血管疾病刻不容缓。心电图（Electrocardiogram,ECG）检测是现有众多心血管疾病检测手段中最便捷有效的方法,但医疗资源匮乏导致大量心血管疾病患者无法被及时发现,因此无法使疾病在初期得到有效的控制。而利用计算机快速实现ECG信号异常检测可以在减轻医护人员工作压力的同时也能让群众初步了解自己的健康状况。本论文为实现多导联心电信号异常快速检测,首先以形式相对简单、算法较为成熟的单导联心电信号作为研究对象,提出了一种基于膨胀因果卷积的心电信号分类模型。在单导联心电异常检测的研究基础上,考虑到十二导联心电的复杂度,尝试首先在正常-异常分类任务中应用所提出的模型,通过调试取得了较好的效果。随后增加异常心电的种类,进行下一步实验。为了完成实验提出了一种基于共振稀疏分解的十二导联心电信号分类算法;以上算法均通过仿真实验及交叉验证,实际表现较好。论文主要的研究内容如下:1.针对现有心电分类算法模型较为固定的问题,提出了一种基于膨胀因果卷积的心电信号分类模型,该模型利用膨胀因果卷积替代了传统结构中的CNNs+RNNs结构。针对膨胀卷积在小物体上运用效果不佳的问题,进一步对网络模型做出调整,改变膨胀因子的取值方式,选择出最适合心电分类的膨胀因子组合。2.将提出的基于膨胀因果卷积的心电信号分类模型应用于十二导联心电图中,进行简单心电分类任务。在实验的过程中不断对网络参数进行调整,针对现有多导联心电分类算法的不足,提出了一种新的十二导联心电分类算法,并将心率变异率作为额外特征加入到分类过程中。3.在第二步的基础上,将检测种类有2类增加到9类（8种异常+正常）,为了进一步提高算法的有效性,针对异常心电信号特点,利用共振稀疏分解进行信号分解,将原始信号中的持续震荡分量与瞬间冲击分量分离,对持续震荡分量与瞬间冲击分量分别进行特征提取以完成异常检测。