心脏病是一种常见的多发慢性疾病，这种病的病情隐蔽、发病危险性高，是导致人类死亡的最主要的疾病之一。通常病人无法承担在医院长期监护的高额费用，而且仅仅通过常规心电图的检查难以满足心脏疾病的监护要求。此外，随着人们生活水平的改善以及医疗保健意识的提高，越来越多的健康和亚健康人群开始关心自己心脏的活动状况，要求进行日常的心电监护。因此，发展面向人们日常生活的，能够实时、准确地捕获心脏健康状况的心电监护系统对于实时了解自身健康状况以及及时发现心脏疾病，挽救病人的生命有着非常重要的意义。针对当前心电监护系统研发中的心电信号特征处理、病理识别中存在的问题。本文立足于心电信号后续特征处理、病理识别的研究，并开发了基于ECG信号的心脏健康监测与病理诊断系统。具体来说，论文的主要工作如下：　　 1.提出了基于ECG信号的心脏健康监测与病理诊断理念及其系统总体结构，并从模型维、知识维、技术维三个角度对系统进行阐述。　　 2.提出了基于双正交样条小波与移动积分的ECG信号特征参数提取方法，以获取较为准确可靠的特征参数数据，从而为心脏健康状况的正确识别奠定基础。　　 3.提出了基于粒子群优化支持向量机(SVM)的心脏病理识别的新方法，其中应用粒子群优化算法进行SVM的训练参数优化。以心脏常出现的心律失常状态为研究对象，研究基于粒子群优化SVM在心脏病理诊断中的应用。　　 4.以Labview为平台，开发了高可靠、易操作的实时心脏健康状况监测与诊断系统，介绍了涵盖数据采集、处理、监测、诊断等整个系统的数据处理模型等，并给出了系统运行与测试结果。