在21世纪的今天,人们的物质生活越来越富足,但是各种负面影响也因此随之而来。工作学习的压力,糟糕的饮食习惯,日夜颠倒的生活作息都严重的影响了人们的健康。其中心脑血管疾病是目前最常见的慢性疾病,这种疾病具有高突发性、高患病率、高致残率、高死亡率等特点。观测心电图是现阶段分析和诊断心脏病的唯一途径。因此,为了方便心电信号的采集,通过诸如小米手环、苹果iwatch等便携式工具采集心电信号的方法应运而生。然而,通过手表手环等方法采集到的心电信号会受到诸如呼吸、运动、出汗以及环境变化等影响使得信号受到不必要的噪声干扰（运动伪迹,肌电干扰,基线漂移等）。这些噪声不仅会造成设备的误检和医生的误诊,同时也会增加心脏监视器的错误报警率。为了减少这些噪声带来的影响,对心电信号进行质量评估并筛选出质量可接受的心电信号就成了一项重要的工作。本文将主要研究心电信号的质量评估方法,具体工作如下:1.通过实验确定了腕带式心电信号进行质量评估时的分帧标准并对心电信号进行了分帧预处理。总结国内外心电信号质量评估研究现状并分析了现有的研究方法的优缺点。2.在现有的基于熵测度的心电信号质量评估方法基础之上^[14]进行了改进,提出了一种基于小波包分解—近似熵的心电信号质量评估方法。小波包分析是如今最常见的时频分析方法,因此根据心电信号的主要能量频率范围,QRS波群的能量频率范围等生理意义,对心电信号进行三层小波包分解,选取第三层的8个节点并对其进行重构,计算重构后的分量样本熵值,最后将其结果作为特征向量并结合支持向量机来实现心电信号的质量评估。3.由于小波包分解信号的过程中依赖于小波基函数和分解尺度的选择,以及近似熵值在计算过程会出现非法值。为了解决这两个问题提出了一种基于EMD分解—样本熵的心电信号质量评估方法。EMD分解是一种自适应的信号分解方法,该分解方法不依赖基函数和分解尺度的选择。通过对心电信号进行EMD分解得到信号的IMF分量,然后计算信号IMF分量的样本熵值,最后将其结果作为心电信号的特征向量并结合支持向量机来实现心电信号的质量评估。4.上述两种心电信号质量评估方法在反应信号的特征上有一定的缺陷,为了解决上述两种方法的缺陷提出了一种基于特征融合的心电信号质量评估方法。首先对心电信号进行三层小波包分解,计算第三尺度8个节点的小波包系数并求该8个小波包系数的多尺度熵值并将其结果作为第一组特征向量,然后对心电信号进行局部均值分解（LMD）,计算分解后PF分量的多尺度熵值并将其结果作为第二组特征向量,然后将两组特征向量相融合得到最终的特征向量,最终将该特征向量结合支持向量机实现了心电信号的质量评估。