心电信号是一种重要的生物电信号,能够反映出众多的生理信息,是医生诊断患者心肌类疾病的重要依据来源。为了提高医生通过心电信号诊断患者心脏健康状况的工作效率,在心电信号处理方面研究主要集中在:(1)如何获得更干净且失真度越小的心电信号;(2)如何更准确有效的识别出各种心电特征波形;(3)如何通过心电信号自动判断患者的健康状况。为获得更加干净的心电信号,文中采用自适应滤波器对原始心电信号进行处理,滤除其中所掺杂的工频和肌电噪声信号。为避免自适应滤波器需从外部引入参考信号的不足之处,本文采用无需外部参考的自适应滤波器模型。将单导联心电信号作为参考信号并通过移位运算获得期望信号或将原始心电作为期望信号并通过均值运算获得参考信号,实验结果显示三种无外部参考信号的自适应噪声抑制器均能获得良好的抑制工频干扰和肌电干扰的效果,其中模型二最终的滤波效果最优。基线漂移容易造成心电信号不定期且不定幅值地上下波动,使得信号发生形变,影响医生对心电信号的分析诊断。本文采用中值滤波器对心电基漂信号进行拟合,再将拟合所得的基漂信号从原始信号中减掉,到达抑制基漂信号的效果。以心电的时域特征为支持向量机的特征信号,将R波波峰从众多心电采样点中提取出来,并以R波波峰为参照点对其他波形进行定位。本文选用MIT提供的公开心电数据库中的心律不齐信号为例子验证算法在识别R波峰值的准确性,从实验结果中看出在原始心电信号存在较为严重的噪声干扰的情况下,本文算法也能够很好地识别R波的波峰位置,AUC值达到0.9992,并在此基础上定位其他特征波形。心肌疾病的自动诊断是目前心电信号研究的重点之一,本文首次使用心电的混沌特征结合时域和频域特征信号作为随机森林的特征集,对常见的4种心率不齐信号以及正常心电进行诊断,实验结果显示,本文算法对存在心律不齐的心搏信号的分类准确度达到90%以上,诊断结果具有一定的参考价值。