心血管类疾病是现如今对全人类生命和健康安全危害最大的重要的疾病之一,而其中,在中国无论是城市或是农村,急性心肌梗死已经成为了最重要的导致死亡的根源之一。除此之外,心电图的发展经过了 100逾年的不断改进和科学研究,心电图因其诊断结果具有非常良好的可靠性,检测操作较为简单以及其不会对病人产生任何危害的特性,使得其在心血管类疾病的临床诊断和预防中具有着无可代替的作用,是现如今临床医学中用以进行心肌梗死疾病诊断的重要工具。心肌梗死心电图的表现主要为异常Q波,ST段,P波等,因此本文利用心电图实现心肌梗死信号和正常信号的识别。本文分别从以下几个方面进行了研究:①由于心电信号具有微弱性、低频特性、不稳定性以及随机性等特性,导致在心电信号采集过程中不可避免的会产生噪声,其中主要的有基线漂移、工频干扰、肌电干扰三种。因此在对所得到的原始心电信号进行分析处理之前,有必要先采用合适的方式去除噪声干扰,从而得到所需要的信号。本文采用了小波分解的方法,通过将原始心电信号在不同的尺度上分别进行处理,最终取得了较好的去噪效果。②心电信号的特征点检测。首先同时也是最主要的是QRS波群的检测,检测方法使用的是差分法来检测R波,从而平衡在获得较好的识别率的同时尽量减少运算难度。对于QRS波的起止点、P波和T波等波段检测,本文采用的方法是局域变换法,基于检测到R峰的前提下,能够快速的对各个特征点、波段进行定位检测。除去部分波形变化较为剧烈的信号数据,本文检测的准确率高达98%。③基于多项式拟合的特征提取方法。此算法原理是用多项式函数来拟合经过处理之后的心电波形,将拟合的多项式函数的多项式次数以及中间涉及到的缩放参数作为后续待处理的特征值。本文中,为了最大程度的令拟合函数逼近原波形,本文采用了将信号分为两段分别进行拟合的方式。其中解决的主要问题是多项式拟合函数最高次项k的确定。④基于支持向量机的分类实现。由于支持向量机具有良好的泛化特性和鲁棒性,本文分类模块采用的分类器为支持向量机。此方法其中主要涉及到的问题为支持向量机核函数的选择与核函数参数的确定。