随着人民生活水平的不断提高,人们“三高”问题普遍,导致心血管疾病的死亡率逐年上升,心血管疾病已经成为人类生命健康的主要杀手。近年来心血管疾病中因心肌梗死导致死亡的人数大幅上升,由于其急性期并发症导致该病具有进展快、死亡率高的特点。对于心肌梗死要做到早发现、早治疗,进行实时监控。随着无线物联网技术的发展,众多可穿戴心电检测设备逐渐面世,由此带来的海量移动心电数据成为心电信号自动分析领域的一大挑战。本文从处理海量移动心电数据的角度出发,对心电信号分析中的心电信号预处理、特征提取及心肌梗死自动诊断进行研究,从多领域去探索心肌梗死心电信号的特征,为完善心肌梗死诊断模型提供一定参考,对预防心血管疾病具有重要现实意义。本文主要工作如下:(1)心电信号是一种毫伏级微信生物电信号,非常容易受到干扰。深入分析心电信号的噪声成分和频谱结构,研究讨论小波去噪不同阈值函数的优缺点,改进加权阈值收缩去噪法,更好的保留心电信号波形细节。讨论研究常用波形检测算法,在传统阈值法检测和小波法检测的基础上设计一种联合小波法与阈值法的心电波形检测方法,通过差分等手段增强相应尺度信号,同时采用自适应阈值更新、不应期和回溯补偿等手段来实现心电波形的准确定位。(2)研究找寻多领域特征应用于心肌梗死自动诊断,分别从时域、RR洛伦茨散点图和能量分布三个方面来分析、提取特征。时域方面,通过联合小波法与阈值法的波形检测算法检测心电波形,提取相应时域特征。RR洛伦茨散点图方面,通过分析正常心电信号和心梗心电的RR洛伦茨散点图,对散点图的量化信息进行特征提取,进一步的挖掘散点图所反映的心脏系统讯息。能量分布方面,通过比较、分析正常心电和心梗心电的功率谱估计,结合频谱分析和临床心电图学,根据心肌梗死发生之后波形能量的变化,提取能量特征。(3)运用支持向量机(SVM)作为心肌梗死心电信号的分类器,选取PTB、CRIS、NSR2数据库的心电信号作为实验数据,将得到的三组特征分别传入SVM中,实验结果说明通过RR洛伦茨散点图提取的特征和通过功率谱估计提取的特征具有较为理想的分类结果,可以有效的识别心梗和正常心电。