心电图(Electrocardiograph, ECG)是一种由电子设备所测量出来的数据,用来描绘心脏活动的整个过程,包括兴奋的产生、兴奋的传导以及兴奋的恢复过程的电位变化情况的曲线,主要包括心脏的心房的除极、心房的复极、心室的除极和心室的复极[1]。研究心电图的自动检测和识别是心电研究领域的一项经典任务。本文将心电图的形态学特征引入心电图的自动检测和识别的研究中。目前心电图的自动检测和识别的研究基本上都是存在于理论领域和探索领域,而在心血管疾病的实际诊断中效果并不理想。这主要是因为先前的研究者在研究心电图的自动检测和识别时,忽略了医生在进行心血管疾病诊断时对心电图形态学特征的关注。心电信号是一个微弱的而又复杂的非平稳的随机信号。因为它的采集手段及过程,导致心电信号非常容易受到外界噪声信号的干扰。因此,心电图的去噪处理成为了心电信号研究的必经程序。本文在心电图去噪处理中重点介绍了一种基于Mallat算法的心电信号小波去噪算法[2]。根据Mallat算法选用bior3.7小波先对心电信号进行分解,再采用阈值法结合Mallat重构算法对心电信号进行重构,重构后的信号便是去除噪声后的心电信号了。心电图的去噪处理是心电图的自动检测和识别的前期准备之一,而另一个前期准备便是心电图的波形检测。所谓的心电图的波形检测就是检测出心电图中的P、T、QRS波的峰谷点和起始位置,并标注出来。本文在王莹莹[3]同学提出的差分绝对值算法基础上,提出了一种差分绝对值极值算法。该算法在差分时选用差分值的绝对值,在初步判断出各个波峰的区域之后,采用极值法寻找出各个区域的极大值和极小值,再分别结合各个波自身的特点,最终确定出P波、T波、QRS波的位置及起始点,并标注出来。心电图的识别就是识别心电信号的特征参数,而本文所研究的心电图识别算法主要是针对心电图形态学的特征参数。该算法按照时间顺序,针对每一个完整的心电图波形,并依据波形中的P波、QRS波和T波的自身特征,单独去判断该波形的形态学特征,并用相应的特征符号标注出来。该算法可以很好的识别出心电图中的各个波的形态学特征,这为心电图的自动检测技术应用到心血管疾病的临床诊断迈出了核心的一步。