心电信号自被发现以来,一直是临床上诊断心脏病的重要依据之一。心电信号是一种典型的强噪声背景下的低频弱生物电信号,具有低信噪比、非平稳、随机、与噪声有极强的时频耦合等特点。随着现代医学对于心电信号自动分析的需求越来越迫切,心电信号的计算机处理成为了信号分析处理方面越来越热门的研究内容。心电信号的自动化处理,可以分为三个方面,分别是心电信号的预处理、心电信号的特征提取和心电信号的分类识别。这三个研究内容环环相扣,预处理是特征提取的基础,而特征提取的准确度可以对分类识别起到决定性的作用。本文主要工作在于心电信号的预处理及心电信号的特征提取,对于这两个方面的工作分为了三部分内容:首先研究了分数阶傅里叶变换的最优阶次确定问题。分数阶傅里叶变换的可变阶次对于分析处理心电信号这种非平稳信号有着至关重要的作用,本文中采用入侵杂草算法对分数阶傅里叶变换进行阶次寻优,通过入侵杂草算法在分数阶傅里叶域内进行二维峰值搜索,确定峰值进而实现最优阶次的寻找。仿真实验表明,在寻优速度和寻优稳定性上,入侵杂草算法均取得了较好的效果,为心电信号的预处理打下了基础。然后根据心电信号典型噪声的特点,分别改进了滤波算法对心电信号进行预处理。针对基线漂移噪声频率比较低,与心电信号中的特征波形频率不存在重叠,变化趋势较为缓慢的特点,利用EMD对含噪心电信号进行分解,采用直接去除得到的高阶IMF的方法实现对基线漂移噪声的滤除;工频干扰噪声虽然频率与心电信号频率有重叠,但是其频率固定,属于一种单色噪声,因此采用LMS自适应陷波算法对工频干扰噪声进行滤除。由于该算法存在延迟,在处理信号中需要一个自适应调整的过程,为了克服这个问题,本文采用对原始信号进行前端拓延的方法来改进滤波效果,滤波完成后再去除拓延部分,仿真实验证明了改进算法能够有效的缓解信号前端的振荡波形;针对肌电干扰信号频率分布广泛,其频率与心电信号的特征波形频率有较强的混叠的特点,本文采用基于分数阶傅里叶变换的谱减算法对肌电干扰信号进行滤除,心电信号经过分数阶傅里叶变换,会出现明显的幅值聚集,肌电噪声则不具有这样的特性,因此在幅值聚集较大的恰当阶次下的分数阶傅里叶域内利用谱减算法对信号进行滤波,然后对信号进行恢复,仿真实验表明,与单纯的谱减算法相比,基于分数阶傅里叶变换的谱减算法提高了信噪比,对肌电干扰噪声实现了有效的滤除。最后综合信号时域和频域的信息,利用HHT与小波变换相结合的算法对心电信号的特征波形进行了定位。小波变换能够对信号的奇异点进行表征,但是通过小波变换定位的心电信号中QRS波群的峰值会出现偏差。为了克服这个问题,本文首先对心电信号进行HHT变换,提取出QRS波群集中的前三阶IMF,对其进行Hilbert变换并取模值;再对其进行母函数为高斯一阶导数的小波变换,得到一系列的局部极大极小值对;将这些极值对作为QRS波群峰值时域内的范围,并转向时域信号进行峰值搜索。仿真实验表明,该算法在定位心电信号QRS波群及其峰值中,取得了较好的效果。