动态心电图是心脏疾病诊断最实时、最有效的工具。通过对动态心电图的分析,可以客观反映心脏各部位的生理活动状态,并对心脏健康状况进行诊断和评估。随着微电子和低功耗无线通信技术的发展,可穿戴传感器在心电检测领域有了更加广泛的应用,进一步推进了心电检测技术的研究和发展。当前心电检测技术主要集中于静止状态下心电图的检测,对运动状态下心电图研究较少。运动伪影是动态心电图中最主要、最难去除的噪声,严重影响了心电图的分析,而传统的心电信号处理方法在运动伪影的去除中存在较大的局限性。本文对可穿戴动态心电信号分析技术和算法进行深入研究,利用可穿戴心电传感器和三轴加速度传感器实时采集人体的生理参数,使用Savitzky-Golay滤波器对采集的参数进行滤波和特征检测,从而判断人体的健康状态。具体工作包含以下内容:(1)分析了卡尔曼滤波法、自适应滤波法、小波变换法和Savitzky-Golay滤波法等滤波算法在动态心电检测中的优缺点,并比较其滤波效果和时间复杂度。发现Savitzky-Golay滤波法的时间复杂度比其他算法低90%。(2)重点研究了Savitzky-Golay滤波算法在动态心电检测中的应用。利用Savitzky-Golay滤波器去除人体在走路、站起-坐下、弯腰、跑步以及静止-慢跑等状态下ECG信号中的运动伪影和基线漂移。通过QRS特征波检测,发现Savitzky-Golay滤波后的信号R波检测正确率达到99.45%。(3)在可穿戴传感器Shimmer上实现Savitzky-Golay算法的实时滤波和在线检测。在Shimmer平台上将加速度数据和心电图数据进行在线处理和融合,提取其中的运动状态参数和心率进行无线发送。通过信号的在线处理,单次传输数据量减少36%,有效地降低了传感器功耗。本文的研究工作在可穿戴动态心电检测领域具有一定的学术价值,在家庭健康监护领域具有一定的应用前景。