体表心电图(ECG)是检查人体心脏活动的重要手段。由于其无创性和便捷性ECG成为医生对心脏疾病诊断的主要方法之一。ECG目前是心脏节律性疾病和缺血性疾病的主要诊断方式，同时也是一般心血管疾病患者必须进行的例行检查。ECG表现出的显著异常可以预测心肌梗塞、心力衰竭等严重疾病。对ECG信号进行伪差检测是ECG信号特征提取和自动诊断的基础，至今国际上没有可广泛接受的ECG伪差检测算法，严重影响到进一步的ECG分析；现有传统的T波末端定位算法没有考虑到房颤不规则的基线抖动，因此传统方法在房颤ECG上的T波末端定位精度比较低。为了提高对房颤T波末端的定位精度，我们首先通过伪差检测使得提取到的ECG特征真实的反应被试的心脏电生理情况，在此之上通过f波抑制算法的引入进一步研究房颤发生期间T波末端的检测。本文提出了两种用于ECG伪差识别的算法。方法I基于相关分析、主成分分析和频域分析，能够在很短的窗长内实现伪差的快速检测，具有很好的实时性。方法II基于相关分析和形态分析法，对长时间ECG信号的伪差检测效率更高。通过实测数据验证，方法I和方法II都能够有效、高精度检测伪差位置。通过对两种方法的适用范围进行分析，方法I更适用于实时的伪差检测，而方法II更适用于对长时间的ECG记录数据进行全面的伪差检测。接着，基于房颤波是随机信号而T波和QRS波群是确定信号的基本假设，本文提出了一种提高房颤T波末端定位精度的新方法。本文方法首先定义了一种新的心动周期，然后对齐相邻三个心动周期的R峰和T峰，最后，通过平均运算抑制f波。采用PhysioNet QT数据库的ECG临床数据和模拟房颤信号，本文验证了新方法的有效性和可行性。结果表明，本文提出的方法改善了现有流行T波末端定位算法在房颤发生时的定位误差均值和标准差，提高了房颤发生期间T波末端定位准确性。此外，文本也通过临床数据分析验证了新方法的临床价值。