动态心电图(DCG，Dynamic Electrocardiography)是临床上分析诊断心血管疾病的重要手段。如何从心电信号中有效地提取各种特征并进行分类识别处理，辅助医务人员进行各种心血管疾病的诊断，成为临床心电监护中的一项重要课题。　　 论文从实用的角度出发，叙述了笔者对心电信号的特征提取与分类方法两个方面进行研究。在特征提取方面，针对不同类型的心电图形态上的差异，在波群形态上进行特征提取，提取出了R波斜率、QRS复波面积、R波高度、R波间期等特征，并对每种特征的提取算法进行了研究改进。在分类方法上选取了逼近能力、分类能力和学习速度等方面都非常优秀的径向基函数神经网络。实验结果表明，将提取的特征数据通过神经网络分类器进行分类，在分类精度上达到了较高的水平。　　 心电信号辅助分析系统是辅助论文研究开发的模式识别系统，集成了QRS检测、特征提取、数据分类、结果验证等功能，实现了研究过程中各个阶段的功能。并且本文在辅助系统的基础上探索出一套心电数据的分析流程，使得论文的研究成果可以应用到实际的心电数据分析中，具有一定的实际意义。