心脏性猝死是一种对人类生命有巨大威胁的疾病,大多数学者将猝死的时间限定在发病1小时之内,如果能在发病前对心脏性猝死疾病进行预警,就可以在心脏性猝死发生前挽救患者的生命。心电信号是心脏机械收缩与舒张的反映,是非平稳信号,但却表现出一定的准周期特性,即心电信号具有循环平稳特性,当人体内发生心脏性猝死疾病时,自身的循环平稳特性也会发生改变。传统的心血管疾病识别是把心电信号作为平稳信号进行分析,但心电信号是非平稳的,因此采用循环平稳算法对心电信号进行特征提取,结合支持向量机对心脏性猝死进行识别。论文主要工作如下:(1)心电信号滤波是特征提取的前提,针对心电信号采集过程中的常见噪声,采用适合非平稳信号处理的小波变换算法对心电信号进行滤波。首先对心电信号进行建模仿真,产生干净的心电信号,通过添加不同信噪比的噪声来评价滤波器效果。其次设计了小波变换滤波器,通过和整系数滤波器相比较,本文设计的小波变换滤波器对心电信号的滤波效果更好。最后用实际心电信号对小波变换滤波器进行验证,实验结果表明:小波变换滤波能够有效地去除高频和低频噪声。(2)根据心电信号表现出的循环平稳特性,首先介绍了循环平稳的基本概念一阶和二阶循环平稳,并由二阶循环平稳推导了反映心电信号循环平稳特性的积分循环功率谱密度函数;接着详细分析了实时性较高的时域平滑循环谱估计算法——FFT累加算法,并对正弦信号进行了循环谱的理论计算和仿真估计,实验结果表明:循环谱仿真估计结果与理论计算结果一致;最后在此基础上,提取不同典型人群心电信号的循环平稳特征,并利用心电信号的循环平稳特性对干扰段进行了检测。(3)针对心脏性猝死识别准确率不高的问题,提出了基于心电信号循环平稳特征的识别方法。在循环平稳理论的基础上,提取了不同典型人群心电信号的循环平稳特征,结合支持向量机对心脏性猝死进行识别,实验得出循环频率均值最能反映循环平稳特征,比较了两类线性分类器与支持向量机的识别效果,最后采用支持向量机和现有心脏性猝死识别方法进行对比,实验结果表明基于心电信号循环平稳特征的心脏性猝死识别方法在准确性上有明显的优势,猝死心电信号的识别准确率最高可达97.50%。