心电图(Electrocardiogram，ECG)心电数据传输是远程医疗服务系统的重要内容之一。通常ECG信号的数据量是很庞大的，而且，现代远程医疗技术的开展要求心电图信号不但能高效压缩，还必须具备实时的传输性。因此，ECG信号的压缩及实时传输对远程医疗诊断具有相当重要的意义，它已成为生物医学工程中一个非常重要的研究领域[1]。 ECG波形通常表现出两种类型的相关性：每个心动周期中相邻采样点之间的心跳内的相关性和相邻心动周期之间的心跳间的相关性。然而，大部分一维心电压缩方法并没有很好地利用心跳间的相关性。 近年来，ECG信号压缩领域涌现出很多利用心跳间的相关性的二维压缩方案，但由于ECG信号的二维压缩一般需要将一段时间内的原始ECG信号进行切割重组，再排列成对齐后的二维图像后才能进行压缩编码，因此，往往会造成较长的时间延迟，对于急症病人的监测来说是非常不利的。 因此，本论文针对心电数据的及时压缩问题，提出了一种利用ECG信号各个心跳周期间的相关性进行心电(ECG)数据的一维压缩算法．该算法首先通过模极大和自适应循环匹配识别R波特征并进行ECG信号周期的切割，再利用小波变换去除当前心跳周期中信号样本间的相关性，然后利用待编码心电信号相邻样本的相关性及相邻周期样本的相关性选择合适的上下文(Context)模型，这个模型提供了对当前待编码符号的条件概率估计，最后利用该待编码符号的条件概率估计值对每一个信源符号进行自适应熵编码压缩．本编码系统能大大地降低编码、传输的时间延迟及编码符号间的冗余度． 利用本算法对MIT/BIH数据库中的心律失常数据进行了压缩实验．实验结果与已有的一维ECG信号的压缩算法比较，结果表明:本算法适用于各种波形特征的ECG信号，并且在保证压缩质量的前提下，可以获得较高的压缩比。