随着现代社会的飞速发展,人口老龄化问题以及生活方式的改变使心血管疾病成为影响人类健康主要因素,以预防为主的心血管疾病医疗理念已经成为保障人类健康水平的主要发展模式之一。因此,在传统医院常用心电信号诊断方法的基础上,积极发展心电信号的便携式、实时准确诊断技术对心血管疾病的早期预防具有重要意义。为此,本课题立足于大众化预防和健康领域,致力于实现对心电信号的便携式和实时监控。但是,在便携式方面,目前的心电信号表征和诊断过程中存在诸多问题。从工程角度,主要问题包括:1.传统的Ag/Ag Cl电极透气性较弱导致人体汗液积累影响了心电信号表征的稳定性;2.传统的心电表征系统接口集成化较低;3.传统的心电诊断系统便携性和实时诊断性较低。根据以上问题,本课题围绕心电信号便携式和实时监控开展了心电监测系统研究,主要内容如下:首先,本文完成了心电信号表征系统,包括高透气性心电电极设计,集成化心电信号处理电路及其接口设计。在心电电极设计中,本研究以多孔热可塑性聚氨酯（Thermoplastic polyurethanes,TPU）材料作为衬底,以银纳米片、碳纳米管复合材料为感应电极,通过热压固化实现了23 mg·cm-2·h-1高透气率,10 d B高信噪比以及与传统电极阻抗接近的心电电极。在心电信号处理电路部分,本文完成了基于聚酰亚胺（Polyimide,PI）的柔性电路制备,并利用Ecoflex gel完成了电路密封。通过有限元分析和实物测试,本课题说明了心电信号表征系统在便携式情况下的机械鲁棒性和可靠性。其次,本文实现了心电信号诊断系统,包括高准确度神经网络设计和低时延的神经网络可编程门电路（Field Programmer Gate Array,FPGA）实现。在神经网络模型设计中,本文基于MIT-BIH数据库,利用inter-patient模式对心电信号实现端到端分析。然后,依据心电信号的空间特征,本文分别采用Res Net神经网络,Inception V3神经网络以及Dense Net卷积神经网络对心电数据进行分类训练,并选取Dense Net作为最终心电信号诊断模型。在Dense Net诊断模型中,心电信号诊断准确率达到89.93%,其中N类F1值达到94.19,V类F1值达到86.46,满足了心电信号准确诊断的需求。在诊断系统神经网络的FPGA部署中,根据实用性本文选取XILINX公司的ZYNQ-XC7Z010开发板作为部署平台,实现了模型空间小（～810 K）,分类时间短（～0.38 ms）,泛化性强的心电信号诊断系统。综上所述,围绕心电信号的便携式和实时监控,本课题针对心电表征系统完成了23mg·cm-2·h-1高透气率、10 d B高信噪比的心电电极;针对心电信号诊断系统,实现了0.38 ms低时延、89.93%高准确度的心电信号诊断系统,为心血管疾病的大众化预防与可穿戴设备的应用提供了解决方案。