传统起搏器监测方法受制于信号频率、功耗、监测方式等因素,因而在进行实时监测时难以应对大量起搏心电数据的采样、处理与传输。压缩感知理论可以进行信号的低功耗采样,实现监测终端的低功耗、高效率信号获取,并在监测终端利用相应优化算法恢复出逼近原始信号的重构信号。本研究致力于探索一种适用于起搏心电信号的信号感知以及重构方法,为以后利用压缩感知技术实现起搏心电信号远程监测系统的设计提供技术支撑。本课题主要结合了压缩感知理论并针对起搏心电信号自身特性,对其中的信号采样、信号重构等技术进行理论及实验研究。主要从起搏心电的压缩感知过程及重构算法着手,重点针对噪声环境下真实信号的不可知性,将有偏重构的思想引入到重构算法中,并通过实验测试以及理论证明,对提出的算法进行多角度评测,验证了算法的有效性。主要的研究工作有:第一,根据起搏心电信号特点,设计随机稀疏的二值测量矩阵,并应用于后续的信号感知以及重构过程。第二,基于分块稀疏贝叶斯学习,对起搏心电信号的压缩感知进行研究,探索该算法框架下的信号重构。第三,针对噪声环境下的信号重构问题,根据现有压缩感知重构算法的特点,结合岭回归有偏重构思想改进出适用于起搏心电信号的重构算法,在重构精度及重构效率两个方面相较于原有算法均有提升;并对岭参数的优化方法进行研究以确定出噪声环境下起搏心电信号重构的最优岭参数值。第四,对研究内容中测量矩阵的设计效果及重构算法的改进成效进行评价:对测量矩阵从感知效率、矩阵构造等角度进行对比;对重构算法从重构精度及重构效率以及算法对信号、噪声类型的普适性等方面分别对比。