心脏病始终是人类健康的“头号杀手”。心电信号反映了心脏的收缩和舒张，是分析人体健康状况的重要依据。近年来涌现了大量利用人工智能技术来分析心电信号的研究，用于辅助心脏病的诊断。这在一定程度上为医疗工作者减轻了工作压力，提升了工作效率。然而，心脏病患者的情况是十分复杂的，特别是在突发紧急情况下，单纯的心电信号分析研究不能满足患者实时心率监测的需求。为此，应用边缘智能技术实时监测患者的心率情况成为一种新的有效手段。
　　边缘智能结合了边缘计算和人工智能的优势，其通过部署在网络边缘的人工智能模型来分析物联网终端产生的海量数据，具有高效快速、低延迟、低成本、高性能、高可靠性以及安全和隐私保障等特性。
　　论文以心率监测这一典型的边缘智能应用场景为方向，对边缘智能框架和心电信号处理的方法与应用展开研究，满足了边缘环境下的实时心率监测需求。具体而言，论文有以下主要研究内容。
　　（1）提出了一个基于区块链的轻量级边缘智能框架。该框架用于支持心电图仪和网络边缘上的边缘智能设备，以满足心电信号数据的高效快速流转和分析的需求。该框架利用区块链相关技术解决网络边缘上的安全可追溯的数据传输与共享问题，并充分利用网络边缘设备资源，实现了集成“心电图仪–网络边缘–云端”环境的端到端连接，以促进心电图仪产生的数据和网络边缘的交互。
　　（2）提出了一种边缘智能环境下的心电信号处理方法。该方法用于将指定的心电信号处理为规范的数据，并通过搭建的心电信号分类识别模型来进一步验证该处理方法。实验得出的结果显示该方法是可用的，并通过实验分析了该方法下比较适当的数据处理阈值。通过进一步实验说明了该处理方法和适当的数据处理阈值如何应用在更加复杂的人工智能模型当中，以满足边缘智能环境下心电信号分类识别的应用需求。
　　（3）设计并实现了一个基于边缘智能的心率监测系统。以提出的边缘智能框架和心电信号数据处理方法及其人工智能模型为基础，利用心电图仪和网络边缘资源，设计并实现了一个完整的基于边缘智能的心率监测系统。该系统能够对人体进行实时心率监测，通过实验得出了该系统的一些关键性能指标，结果显示该系统作为一个具体的边缘智能应用，具有较好的性能和实际应用价值。
　　论文对上述主要研究内容进行了全面的阐述，并对论文工作进行了总结和对未来工作进行了展望。