随着人们对健康关注度的提高,可穿戴式心电监护设备逐渐兴起,一套适合可穿戴式心电监护设备的心电信号处理与分类算法成为研究热点。近年来,心电信号处理与分类方法都已经取得飞速的发展,但是更高效、更准确的实现心电信号的自动诊断一直是学者们的追求。对心电信号处理与分类方法的研究主要包括对信号的预处理,特征提取以及心律失常的分类三方面。由于可穿戴式心电监护设备采集到的心电信号中存在各种噪声,影响后续对心电信号的分析。因此,对心电信号进行分析的第一步就是对信号进行预处理,去除噪声,获得纯净的信号。针对信号采集过程中受到电网波动等的影响导致工频干扰不总是在整频点的问题,本文设计了基于全相位的组合滤波器,充分发挥全相位陷波器能够在非整频点精确陷波的优势,实现对心电信号噪声的去除。实验结果证明该组合滤波器能够在保持心电信号完整性的情况下,较好的去除心电信号中的各类噪声。根据各类心律失常信号的特点,本文首先分析了心电信号的时域以及频域特征并提取了5个时域特征,然而,由于心电信号是非线性高斯随机信号,时域和频域特征不能捕获到信号的非线性信息。针对此问题,本文提出了将高阶统计量用于心电信号的特征提取中,以捕获心电信号的非线性性和动态性,分析并计算了心电信号的三阶累积量,提取了相应的三阶累积量特征。最后,本文采用支持向量机作为分类器,实现对包括正常心搏在内的五类心律失常进行分类,取得了较好的分类效果。