临床医学上的重要生理参数,如心电、血压、血氧饱和度、体温等的监护与检测对慢性病患者和老年人的健康,特别是对这些生理信号的长期监护,了解人体健康状况的变化趋势及这些疾病对人体的影响,有着极其重要的临床意义。心电信号分析与识别成为目前信号处理领域及生物医学工程领域中的研究热点之一。本文运用小波变换和数学形态学理论,对人体心电信号的滤波预处理、波形检测与定位等关键技术展开了研究,主要工作如下：首先,综合分析了现有心电信号预处理技术、波形检测与识别方法等文献资料,比较了现有各种方法的优缺点,指出了现有心电信号的滤波预处理技术、波形检测与定位算法、特征信息提取与选择等方面的有待改进的地方,确定了动态心电信号的去噪和特征检测算法为本文主要研究内容。然后,在了解心电生理参数的产生机理和特征的基础上,分析了工频、肌电和基线漂移等噪声对心电信号的干扰；小波滤波器虽然具有时频局域化等优点,但在滤除低频噪声时可能会造成P波、T波信号的部分失真,且计算量大,处理时间长,实时性差；在此基础上,运用小波变换与数学形态学理论,提出了一种结合形态学与小波变换的小波阈值去噪算法,较好的去除了几种噪声干扰,并保留了ECG信号的奇异点,有效的提高了信噪比。应用MIT-BIH心电数据库中的心电数据对该算法进行了仿真实验,最小均方误差MSE、信噪比SNR及局部最大误差因子LocalMax等指标均有了提高,实验表明该算法有效地提高了信噪比,并具有良好的滤波效果。接着,分析了传统的小波算法在波形检测中处理漏检方面的局限性,指出了传统的小波算法存在容易丢失较多心电波形的缺陷。在此基础上,本文对基于小波变换的波形检测与特征点识别的算法进行了改进,提出了基于二次B样条小波的QRS波群检测的改进算法,将心电信号通过小波算法分解到不同频带上,加入了复检及补充策略,以达到最小程度的漏检或误判,算法取得了良好的效果。最后,仿真实验验证了该方法对于含噪的ECG信号的处理的有效性,在总误检拍,总漏检拍,误检率等方面,较传统方法有了改进。最后总结了本文的主要工作,并对下一步的工作进行了展望。