近年来,体表心电信号中房颤 f波的一些新特征量在房颤的辅助治疗、房颤演进过程监视、房颤机理研究和颤动部位定位等方面展现了重要的应用潜力。然而这些新特征量对f波局部特性的要求也越来越高,现有的f波提取算法已不能很好地满足这一要求。心电信号中的P波在分析心房内电传导路径、确定异位激动点、诊断某些心房疾病和预测心房颤动等方面具有重要价值。可靠地检测P波的关键点是对其有效分析的前提,然而由于P波弱小且具有多种形态,对P波的检测一直未得到有效解决。特别地,关于心房早搏引起P波和T波融合(PonT)时的P波提取问题的文献还比较鲜见。　　鉴于此,本文在分析现有f波提取算法的基础上，以改善f波局部特性为目标,提出了新的f波提取算法;同时,以减少P波关键点的定位误差和较小失真地提取出PonT心电信号中的P波为目标,研究了相应的解决方法。本文的研究内容对提高f波和P波特征参数的准确性、促进f波和P波的新特征量在临床上的推广应用具有重要意义。本文的主要研究工作如下:　　现有单导联 f波提取算法忽略了不同心拍QRST复合波的形态差异性,因而导致所提取f波局部失真严重。针对该问题,提出两种单导联f波提取算法。第一种为最小均方误差意义上的最优QRST模板对消的f波提取算法,将QRST复合波看作向量变量,通过最小化均方误差获得QRST模板向量每个分量的权系数,从而构造出最小均方误差意义上的最优QRST模板。第二种为基于最大似然估计的f波提取算法,同样将QRST复合波看作向量变量,利用广义高斯混合模型表征f波和QRST复合波的概率分布,通过最大化似然函数获得了概率意义上最可能的f波。实验结果表明,与现有的单导联 f波提取算法相比,这两种算法均显著降低了所提取f波的失真程度。　　在基于独立成分分析(Independent Component Analysis,ICA)的多导联f波提取算法中,分离向量的偏差常引起所提取f波在QT段有“扰动”失真。为了降低f波的“扰动”失真,本文提出ICA和小波变换(Wavelet Transform,WT)结合的f波提取算法(ICA-WT)。该算法首先通过ICA分解获得初始的f波分离向量,然后在小波域通过最小化表征f波失真程度的目标函数获得最优的f波分离向量。实验结果表明,较之ICA算法,ICA-WT算法显著降低了f波在QT段的“扰动”失真,所提取的f波局部特性更好。　　本文探讨了多颤动源房颤的f波提取问题。首先改进了现有的串行盲提取算法(Sequential Blind Source Extraction,SBSE),提出四阶累积量和协方差结合的新目标函数,使SBSE算法亦适用于含高斯源的盲提取问题。进一步地,将改进的SBSE算法应用于多颤动源房颤f波的提取,提出了多颤动源房颤f波提取算法。实验结果表明,利用该算法细分房颤f波是可行的。　　针对不恰当的P波搜索窗口会导致P波起止点定位误差大的问题,提出一种基于平稳段识别的P波检测算法。该算法首先通过识别心电信号中的平稳段可靠地确定P波搜索窗口;然后在搜索窗口内根据数据点偏离平稳段的程度用阈值法确定P波的起、止点,从而避开了对P波具体形态的描述。实验结果表明,该算法提高了对P波起止点的定位精度。　　本文还探讨了PonT时的P波提取问题。将P波和T波都看作向量变量,利用广义高斯混合模型表征P波和T波向量中每个分量的概率分布,利用最大似然方法提取PonT心电信号中的P波。仿真实验表明,该算法提取的P波与真实P波有非常好的形态一致性。