心电信号作为一种包含大量病理信息的生物电信号,被广泛应用于心脏病的临床诊断,是推进远程医疗应用的重要材料。心电信号作为一种微弱、非线性且不稳定的人体生理信号,具有低幅值、低信噪比和随机噪声的特征,高质量的心电信号可以帮助医生识别生理特征和诊断病理现象。本文主要针对心电信号的特点,对心电信号预处理、特征提取及医疗应用过程展开研究,提出了一系列对多类型心电信号记录的分析方法。主要的研究内容如下:1、提出了一种基于互补集合经验模态分解与信号筛选的自动化心电信号预处理算法。通过将互补集合经验模态分解算法与信号相似性算法融合,筛选出分解结果中含有噪声的信号,通过研究基线漂移信号的特点,利用分解结果的过零率特征筛选出含有基线漂移的信号,实现了分解结果的自动化筛选以及含噪信号的自动化消噪,有效解决了经验模态分解算法模态混叠问题以及集合经验模态分解算法噪声残留和计算量大问题。在MIT-BIH Database心电信号数据集上进行对比实验,验证了提出的方法无论对合成的含噪信号还是真实的含噪信号,都比传统的滤波器消噪和基于小波的消噪方法得到的消噪效果更优。2、提出了一种基于快速多维经验模式分解算法和连续小波变换算法从母亲多维腹部心电信号中提取胎儿心率的算法。专注于从母亲腹部心电图信号中提取胎儿R峰特征,利用提取到的R峰位置形成胎儿RR时间序列,有助于在临床干预尤其是在自主神经系统中进行胎儿心率变异性分析。此方法通过FMEMD算法和小波特征的融合,有效地消除了外部噪声的污染以及内部母亲QRS复合物的污染能够从母亲腹部多维心电信号中提取胎儿心率特征,实现孕期胎儿健康监测,并在Abdominal and Direct Fetal ECG Database数据集上验证了该方法能够获得准确率更高的检测结果,是检测速度更快的检测算法。