心血管疾病(Cardiovascular disease,CVD)是威胁人类生命健康的主要疾病之一,其发病率和死亡率一直居高不下。如何加强心血管疾病的防治工作已成为世界性问题,心电信号是心血管疾病防治工作中的重要依据。心电信号(Electrocardiogram,ECG)可以表示心脏周期性收缩与舒张过程中产生的心肌电位变化,包含着大量与生理疾病相关的信息。随着移动设备和移动互联网技术的发展,可使用便携式心电信号采集装置采集心电信号。由于人体处于复杂多变的环境中,采集到的信号容易受到生理和外部的干扰,造成心电信号失去临床诊断意义,增大了医生的工作量和误诊率。因此,在进行心电研究诊断之前,应该对心电信号进行质量评估,将心电信号分为质量合格和不合格两类。本文详细分析了心电信号的生理特征及受到的干扰,介绍了自行设计的心电信号采集平台,研究了质量合格和不合格的心电信号之间特征差异,同时深入研究了心电信号的多个特征,并采用阈值判别法和机器学习法进行基于多特征融合的心电信号的质量分类。主要内容如下:1.心电信号采集装置本设计采用AD8232作为采集端芯片,STM32作为主控制芯片,将采集到的心电数据传输到电脑,并作进一步的分析研究,从而更加直观、具体地了解心电信号特征及心电信号的采集过程。2.阈值判别法评估心电信号质量通过对心电信号导联脱落、最高电压、基线漂移、峰度值和不同导联信号相关性的分析,根据心电信号生理常识并经过反复实验,确定特征阈值,通过筛选将部分心电信号归为质量不合格心电信号,然后继续对剩余信号其他特征进行阈值判别,直到将心电信号分为质量合格与不合格两类。3.机器学习法评估心电信号质量通过分析心电信号时域波形特征和频域能量特征,并扩展到心电信号的非线性空间及信号多尺度熵特征,以期更加全面地反应心电信号所包含的信息,将心电信号多个特征相融合并结合机器学习的方法,对信号进行质量分类和评估。