心脏疾病具有突发性强、发病征兆不易察觉等特点。长期以来，对于心脏病的研究一直是学术界的重要课题。心电图（Electrocardiograph）作为心脏电活动在体表的综合表现，是目前分析与鉴别各种节律异常最精确的方法。心电信号节律异常自动分析是提高心电信号智能分析的重要手段。 本文对心电信号节律异常分析的整体流程进行了研究。心电信号首先要经过预处理，进行噪声的抑制和干扰的去除。之后，根据分类算法的需要选择好的特征提取方法，提取心电信号的特征向量。最后，选择合理的分类器对特征提取得到的特征向量进行心搏分类。 心电信号的预处理主要包括基线漂移的去除和工频的抑制，以及肌电信号的去除等。本文使用中值滤波去除基线漂移，平滑滤波抑制工频干扰，用FIR滤波器同时去除这两种噪声，并且讨论了小波变换同时去除基线漂移、工频和肌电干扰等。并分析了不同场合对这些方法的选择和使用。 本文使用小波变化提取心搏的特征向量。首先使用QRS检测器检测出QRS波群基点，从而得到QRS波群的参考位置，然后利用db2小波进行level4的分解，从而得到心搏的特征向量。本文还加入了RR1和RR2两个时域特征，组合成为最终的特征向量。并用主成分分析和统计理论分析了特征向量的性能。 BP神经网络是本文使用的心搏分类器。本文讨论并实验了BP网络的构造和参数，如隐层个数，目标向量的构造方法，隐层节点数等。最后利用实验得到最佳参数，并利用这些参数分别对14类和8类心搏进行了分类，得到了优良的性能指标，验证了特征提取和分类器的有效性。 本文的研究有着广阔的应用前景，在本文的基础上，有很多后续工作可以开展，从而得到更具应用价值的方法和结果。