心脏病严重威胁着人类的生命,是全球范围内造成死亡的主要原因。传统的心脏病诊断方式以医生分析患者的心电图为主,医生主观判断的不确定性及心脏病病理的复杂性易造成误诊及漏诊。为提高诊断准确率及效率,可将心电图描技术与计算机技术相结合,采用智能识别技术对心电图进行精确检测与分析。心电自动分析由两个部分组成:1.波形检测及特征提取2.信号诊断分类。其中心电信号波形检测是自动分析的基础以及首要问题,其检测的准确度与可靠性直接影响着心电分析诊断的性能,具有重要理论意义及实用价值。　　 本文工作围绕心电信号波形的自动检测展开,首先探讨了目前各种检测技术的优劣,并深入研究了基于小波变换的心电信号波形检测算法。其中基于小波变换的R波检测方法有两种:过零点检测法与局部极值点检测法。本文首先采用二次B样条小波滤波器组处理心电信号,通过检测极值对的过零点定位R波。此法获得了较好检测结果,但定位精度欠佳。因此改进了基于复小波变换的R波定位算法,该算法以复频域B样条小波(Fbsp)和墨西哥帽函数(mexh)作为基本小波,将二者的小波分解系数复合值作为检测的主要依据。经试验数据证明,该方法可有效抑制信号中所包含的各类噪声,对R波具有良好的定位效果,获得了较高的检测准确率。　　 对心电信号各波形进行频谱分析可发现各个波形分布于不同频率段,因此利用小波变换的多尺度分析对各个波进行检测,由此实现每一心动周期中波形的准确定位。利用小波分解系数定位后,回到原信号中进行校准,以提高检测精度。综合上述几种改进检测算法的策略,采用C语言与MATLAB的小波工具箱进行编程和系统仿真,并以MIT-BIH心律失常数据库的心电记录作为实验数据对算法进行验证,获得较为理想的检测准确率及较高的定位精度。