伴随着人们生活水平的逐步提高，人们的健康意识不断增强；而现今心脏病的发病率也在逐年升高，已严重地危害了人类的生存和健康。但由于心血管疾病的发病时期不规律，且发病现象较隐蔽；因此，人们试图通过各种方式来提前预防和治疗心血管疾病比较困难。而院外监护、初步诊断、积极预防与及时治疗是行之有效的心脏疾病处理手段，这也对研究心电信号分析、诊断技术及心电监护产品提出了更高的要求。本文以珠海市高新技术领域科技攻关及高新技术产业化项目“院外多生理参数监护诊断系统”（2010B020102021）为背景。依据项目的研究内容，针对目前心电信号处理、分析和智能诊断算法中存在的不足，就心电信号的预处理（去噪）、波形检测、波形特征向量的选择与提取以及波形自动分类等关键技术进行研究。针对算法面向心电监护仪等硬件应用平台移植的关键技术也做了相应的探讨。旨在提高计算机智能分析的准确率和实用性，提高异常心电波形自动分类的精度和性能，这对于加快国内心电监护医疗器械的研制，取得具有自主知识产权的心电信号智能分析核心技术，提高心电智能监护的质量，普及心电智能监护的应用都具有非常重要的现实意义和很好的经济效益。本文对心电信号智能分析关键技术的研究取得了一定的成果，主要工作集中在：1、心电信号预处理（去噪）算法的研究充分研究了心电信号中噪声的特性。依据小波去噪原理，构造了一种基于软、硬阈值之间的新阈值函数；构造了一种加权阈值收缩函数，并提出了基于两种新阈值函数的心电信号去噪算法。利用MIT-BIH数据库对两种去噪方法进行了实验，结果表明，两种方法都比以往小波阈值去噪法在心电信号去噪的效果上有所改善，并且提出的基于加权阈值收缩去噪法，可以更好地保留心电信号P、T波形的细节特征，满足心电信号波形特征识别的需要。2、心电信号波形特征识别算法的研究提出了基于连续小波变换的心电信号QRS波识别算法。该算法采用高斯函数一阶导数作为小波基函数，利用考察小波变换相应层次中的模极大值对位置作为搜索QRS波中R波顶点的范围；根据R波顶点位置，结合平均心电周期，提出了一种P、T波搜索窗口宽度自适应方法，在此窗口中利用原信号的差分值，确定P、T波形的关键点。该算法对QRS波和P、T波各关键点的检出准确率较以往算法有所提高。3、面向硬件实现心电信号处理和分析快速算法的VLSI实现研究提出了基于DB4小波提升的心电信号处理和识别快速算法。该算法利用小波提升速度快的特性，使算法整体执行速度大大提高。对于算法向硬件平台移植的关键难点DB4小波提升的VLSI实现问题进行了研究，提出了利用FPGA实现DB4小波提升分解和重构的方案，通过实验验证了以上算法的有效性和方案的可行性。4、异常心电信号分类算法的研究提出了一种对平均心电周期长度具有自适应性的心电波形向量提取算法，提出了一种利用逻辑判断提取正常心电波形的判断依据，并提出了一种将逻辑判断（Logic）、聚类（Clustering）和模糊聚类（FCM）三者结合对异常心电实现准确聚类的算法（LCFCM）。算法对存在个体差异的心电信号具有很好的适应性，依据提取的心电向量波形进行聚类和模糊聚类分析，保证了算法对象信息的完整性，使算法整体具有很好的准确性。最后利用MIT-BIH数据库作为样本进行实验，LCFCM算法对异常心率分类的准确率达到了93%。