随着经济的飞速发展,紧张的社会节奏与不规律的生活习惯使猝死的人数逐年增长,其中心脏骤停是猝死的主要原因之一。心脏骤停患者存活与否的关键在于能否迅速得到救治。据调查,我国心脏骤停抢救成功率不到2%,这与心脏骤停发作时间短且难以预测、无法即刻进行有效救治有着密切关系。在此背景下,本文对心脏骤停智能预警技术展开研究,尝试用不同的方法对心电信号进行处理,提高预警精确度与有效预警时间。首先,为了从心电图中提取适用于机器学习的心拍,本文提出一种自适应斜率差分阈值的QRS波形检测算法。该算法先计算点左右的斜率差分,然后设计自适应阈值,通过当前波峰与阈值的大小关系判断是否检测到QRS波,再更新阈值。该算法计算量小、实时性好,且能够满足准确率要求,适用于心拍的提取。其次,考虑到目前所用的心电特征不够精确的问题,本文提出了一种基于小波变换与SVM的心脏骤停预警方法。该算法对心拍进行小波变换,取变换后的低频系数,用主成分分析法降维,输入SVM中进行训练。该算法在5分钟预警期内的准确率比现有算法高,预警结果较好。最后,考虑到现有算法难以在心脏骤停之前较早作出预警,本文提出了一种基于CNN的心脏骤停预警方法。该算法在通用的二维CNN基础上构建了一维CNN,包括三层卷积层、三层池化层和一层全连接层。该算法在30分钟预警期内的准确率更高,临床使用价值较高。本文提出的方法有效对心脏骤停作出了预警,在准确率和预警期时间上优于现有方法。同时也提出了可以改进的地方和下一步工作,为该课题未来的研究方向提供了思路。