心血管疾病是一种严重威胁着广大群众身体健康的高发慢性疾病，其中心电图(ECG)是诊断这类疾病的主要手段，在临床上具有不可替代的地位。人工诊断ECG不仅会增加医生的工作量，也可能会导致医生因为疲劳而误判。因此，ECG自动诊断系统应运而生，实现这类系统的关键在于数字心电信号处理算法的构建。　　本文先介绍了ECG自动诊断系统的框架与系统各部分组成模块的发展现状，接着介绍了心电图的基本知识，包括心电图各特征波形的成因和意义、心电信号所携噪声的成因和特征以及几种常见心律失常的心电图特征和诊断标准。然后，为了提高检测的可靠性及准确率，文中先对心电信号进行去噪预处理，再进行特征波形检测。得到相应的波形信息后，就能从中提取心电信号的特征参数，进而通过特征参数进行心律失常的诊断。伪差是心电噪声的一种，它的存在会严重影响特征波形的检测，因此本文进行了伪差识别和剧烈波动伪差滤除的工作。　　在ECG信号预处理方面，本文针对基线漂移、工频干扰、肌电干扰三种噪声进行去噪。首先，设计了均值滤波器、中值滤波器和形态学滤波器，并比较了这三种滤波器去除基线漂移噪声的效果。均值滤波算法使信号失真较为严重，形态学滤波算法使信号失真小，但计算用时较长，中值滤波算法失真较小、用时短、滤波效果好，是最适合实时处理基线漂移的算法。其次，通过零极点分析法，设计了一个与60Hz工频干扰脉冲宽度相匹配的带阻陷波器，有效滤除了心电信号中的工频干扰。最后，通过窗函数法，设计了一个FIR低通滤波器，有效滤除了频率范围在90Hz以上的肌电噪声。　　在ECG信号特征波形检测方面，本文首先对R波进行检测，再进一步检测Q波、S波、Q波起点、S波终点，最后进行P波和T波的检测。R波检测是ECG自动分析的重点和难点，本文分别设计了基于阈值和基于小波变换的R波检测算法，仿真实验表明基于阈值算法的检测准确率为99.77％，基于小波变换算法的检测准确率为99.85％，两种算法R波检测效果相当，但是阈值法的运算复杂度更低，因此更受到ECG实时分析系统的青睐。　　在ECG信号伪差处理方面，本文介绍了几种常见的识别算法，并分析了这些算法的局限性，进而提出了一种基于多形态分析的伪差识别方法。这种方法总结了四种不同伪差的形态特征，根据这些特征设计不同的算法分别进行伪差识别，从而提高了伪差识别的准确性和全面性。但是，由于逐个进行4种伪差识别，这种方法运算量大，可用于心电监测完成后的PC机数据处理，却不适用于ECG实时分析系统。在四种伪差中，只有部分剧烈波动伪差仍具有P、T波信息，因此为了滤除这类伪差，本文设计了三种自适应滤波器。首先设计了FIR线性滤波器，其优点是这类滤波器结构简单，易于实现，运算量小，缺点是滤波效果不如非线性滤波器。为了改善线性滤波器的不足，本文设计了基于二阶Volterra级数模型的滤波器，优点是滤除效果较好，缺点是非线性项较多，滤波器结构复杂，难以实现，运算量大。针对这一问题，本文设计了基于sin函数的滤波器，将二阶Volterra级数模型中的非线性项解耦成线性组合的形式，并将其中一个线性项输入到sin函数中，达到BIBO的稳定性条件。与Volterra滤波器相比，sin滤波器结构得到了很大程度的简化，运算量减少很多，但与FIR滤波器相比，滤波器阶数仍较高，其滤波效果介于FIR滤波器和Volterra滤波器之间。　　综上所述，本文对ECG自动分析的相关算法进行了研究，并通过MATLAB仿真实验对算法进行验证，这些算法都能达到预期的效果。