心电信号是人类应用于临床医学的生物信号之一，是心脏活动在体表的综合反映，是判断心脏病症的重要指标。而目前心电信号异常的判断基本由医生的直接经验决定，这使得判断结果存在很大的主观依赖性，无法确保准确率。　　模糊概念格可以将模糊描述转化为“模糊属性值”再进行诊断分类，以解决领域本体推理无法对模糊描述的心电特征进行诊断的问题；而利用模糊概念格匹配进行心电诊断，会把心电全部属性对结论的影响都考虑作同等重要，结果就会被与特定病型无关的属性误导。因此，本文提出一种结合模糊推理和加权相似的心电诊断方法，其中模糊推理部分由领域本体推理和模糊概念格共同完成，该方法涉及三大部分：心电预处理、心点特征提取和心电诊断。　　1.心电信号的预处理部分，根据心电信号主要的噪声即基线漂移和高频噪声的不同特点，本文分别运用数学形态学和小波变换的方法来滤除噪声。　　2.在心电信号的特征提取部分，本文选取ST段抬高，ST段降低，QRS波段宽大，T波倒置，T波电交替这五个作为特征提取参数，在模型学习部分，对属于同一类型的多个心电信号进行特征提取，获得特定类型心电的特征属性值向量；此外利用同样的特征提取方法对待检心电进行特征提取，获得待检心电的特征属性值向量。　　3.在心电诊断部分，本文提出一种结合模糊推理与加权相似的心电诊断方法，利用心电领域知识构建领域本体，然后根据映射关系得到模糊概念格，在其形式背景中加入属性阈值来剔除无关属性，特征提取部分所得特征属性值作为隶属度值，领域本体结合模糊概念格的节点关系进行模糊推理，根据推理结果锁定候选病型匹配集，得到病型候选概率值，最后将此概率值加入到熵的概率加权相似度量分类算法中对特征属性值向量进行计算，从而获得最终诊断结果。　　最后，本文使用VC++6.0设计了心电诊断系统的界面，联合Protégé和Matlab，实现心电信号的计算机辅助诊断。为了验证本文所提心电诊断方法，利用圣彼得堡12导联心律失常数据库中的50例有专家标注类型的心电信号作为测试样本，来对系统进行测试，实验结果表明本文的方法准确有效。