本论文主要对心电信号的预处理、波形检测、特征参数提取、心电信号的自动分类及疾病诊断等问题进行了较为全面的研究,完成了心电信号自动分析算法的设计与实现。首先,本文对心电信号的干扰进行分析,并针对工频干扰、肌电噪声及基线漂移等噪声采取相关的消噪方法;此外,采用了一种基于小波变换的心电信号去噪算法,对小波分解重构法以及小波阈值法进行了研究,分析了两者应用于心电信号去噪的特点并将其进行有机结合,通过仿真可以看出该算法可以去除心电信号中的工频干扰、基线漂移、肌电噪声等多种主要干扰,并能较好保持原始心电信号的特征,具有较高的实用价值。而后,采用经典差分阈值法对心电信号中关键的QRS波进行检测,并针对传统差分阈值法的局限性,提出了利用双正交二次B样条小波来精确定位QRS波群的实时检测算法。该算法利用小波变换与信号奇异点的关系,在23尺度下识别R波,在21尺度下对QRS波的起点和终点进行检测。仿真结果表明,算法对QRS波的平均识别率高达99.64%,能够对QRS波群进行精确检测和定位。最后,在目前心电监护仪常用检测标准的基础上,设计了一种基于包括RR间期,R波峰值,QRS间期,RS下降斜率等特征量的神经网络自动诊断模型,讨论了该神经网络的设计和训练过程。经MIT-BIH标准心律失常数据库验证,基于L-M算法的BP网络不仅能有效检测出心电中存在的房性早搏与室性早搏波形,而且可以根据病人心电波形的自身特点来进行差异性参数阈值选择,对于多种心律失常类心电也能达到满意的诊断效果。