心脏疾病近年来倍受关注,尽早预防和诊断心脏疾病可以大大降低死亡率。心电信号能够表征心脏活动,对心电信号分析可以掌握心脏健康状况。目前心电信号分析方面存在两方面问题:第一,传统心电信号自动分类方法存在波形定位不准确和选取特征人为性的问题,因此,不能保证分类的正确性;第二,传统分类算法应用于工程时迁移难度大、适用性较低,并且目前面向移动平台的心电信号分析系统较少,缺少对异常心电信号的分析。因此,开发出对常见异常心电信号自动分析的移动平台系统,实现对心电信号进行实时监测分析,成为一个亟需解决的问题。针对上述问题,通过对比多种传统分类算法,本文采用深度卷积神经网络算法为基础框架,针对异常心电信号存在的数据不平衡问题对算法做出了改进,提出了基于权重的深度卷积神经网络心电信号自动分类算法。通过对MIT-BIH心律失常数据库的心电数据进行预处理,得到实验数据集训练算法模型,并将算法模型迁移至工程中。在系统设计与实现上,通过对比心电监护系统平台优缺点,根据系统的实现目标,从功能需求和性能需求上进行了系统的总体设计,开发出了能够实现常见异常心电信号分类的移动平台系统。该系统能够进行长时间监测,并且可以调用心电信号自动分类算法模型对心电信号进行分析。最后详细介绍了系统中各个主要功能模块的实现,包括蓝牙转发模块、数据接收模块、心电图显示模块、心电信号自动分析模块等,并在Android系统平台上完成了系统的开发。为了验证该移动平台分析系统的逻辑设计合理性与实现正确性,本文对该系统主要功能模块进行了功能逻辑测试以及性能测试。测试结果表明本系统可以稳定运行,并且可以进行长时间的心电信号监测,能够正确调用基于深度卷积神经网络的心电信号自动分类算法,对心电信号进行分析,实现显示心电信号波形、分析心拍类型以及计算平均心率值等要求,达到了心电信号实时连续监测与分析的目标。