据权威调查显示,心血管疾病已经成为世界人口死亡的主要原因之一。每年死于心血管疾病的人数占死亡总人数的三分之一。现代临床医学研究表明,动态心电监护仪的使用是防止心血管疾病最行之有效的方法。因此,设计出成本低、性能达到医用标准的动态监护仪以及后期的心律失常智能分析算法,有着重大的社会效益和经济效益。本文的工作围绕动态心电图的采集与诊断展开。首先设计并实现了便携式12导联心电监护仪。然后在监护仪采集的数据的基础上对心律失常的智能诊断算法做了研究。智能诊断算法部分主要包括预处理算法和心律失常分类算法。在监护仪的设计方面,本文设计的监护仪在模拟电路部分采用以集成电路ADS1298为核心的单片模拟前端,解决了传统监护仪电路采用大量分立元件所带来的高噪声、高功耗、由于各通道特性参数存在差异而造成系统稳定性较差和电路板占用空间较大等难题。数字部分实现了心电信号的采集、存储、传输和显示等功能。监护仪的实现为心电分析算法提供了可行性及分析的数据来源。在心电信号预处理阶段,针对心电信号中普遍存在的非稳态肌电干扰的特征。本文提出了一种基于小波熵和改进阈值函数的去噪算法,解决了传统小波阈值去噪算法采用软阈值和硬阈值所带来的缺陷问题。仿真实验结果表明,该去噪算法能够有效地滤除心电信号中的噪声,尤其是对心电信号中包含的非稳态噪声具有良好的滤除效果。在心律失常的智能分类算法阶段,本文首先提出采用差分阈值法和连续小波变换对心电信号进行特征向量提取,并在此基础上采用支持向量机对心搏进行分类。在支持向量机的训练过程中,本文提出将具有变异特性的粒子群优化算法应用于选取最优的支持向量机训练参数。通过MIT数据库及本文设计的监护仪采集的心电数据测试,及中国医科大学附属第一医院心内科临床医师的认证,分类准确率已经达到临床应用要求,具有较高的应用推广价值。