全球心血管疾病广泛肆虐,已成为危及人类生命健康的“头号杀手”。穿戴式心电监护系统是解决心血管疾病早期筛查以及实时监护的有效技术手段,可以显著降低心血管病的病死/病残率,减少社会经济损失。然而,穿戴环境下的复杂运动情况对干性电极的性能提出了新的挑战,利用技术手段研究干性电极对信号链路的影响成为需要研究的问题;与此同时,严重的心脏疾病需要多导联穿戴式心电监护系统才能准确诊断,因此加强穿戴式心电导联选择和优化相关技术研究成为迫切需要;此外,针对实时和云端的异常心拍识别需求,开发相应的异常分类算法成为急需解决的问题。论文针对穿戴式心电监护中存在的问题,从信号采集与处理的角度出发,开展了面向穿戴式心电监护的干性电极测试与系统样机设计、导联优化和异常心拍识别等方法的研究。论文主要研究内容与进展:(1)针对穿戴环境下信号链路中各个因素对干性电极性能的影响,研究了干性电极特性对皮肤-电极阻抗的影响,确定了干性电极的设计方案,并将干性电极和基于柔性电路技术的心电处理模块相结合,搭建了连续,非侵入,舒适的穿戴式心电监护系统实验室样机;(2)为了多导联穿戴式心电监测系统的导联设计和优化,论文从心脏电生理的角度构建了细化心肌梗死区域的躯干-心脏模型,研究不同导联在反映心肌梗死大小和位置方面的优劣,结果表明aVF导联在反映下壁心肌梗死大小和位置方面有显著优势,且该方法为未来多导联穿戴式心电监测的准医疗级应用提供了导联选择和优化的生理依据;(3)针对穿戴式心电监护系统的嵌入式分析平台计算资源受限的问题,论文分别设计了基于规则的单导联实时早搏识别和长程早搏识别算法,实现了对单导联穿戴式心电数据中的正常、房性早搏和室性早搏三种心拍的分类,实时早搏检测算法总的识别准确率为97.51%,且长程早搏识别算法在临床数据上得到了验证;(4)针对海量心电数据的云计算处理,论文分别设计了基于AlexNet-like模型的二维早搏识别深度模型和基于时序分帧网络的一维早搏识别深度模型,实现了利用加噪临床数据训练的深度模型对穿戴式数据进行早搏识别,两种模型的识别准确率分别达到89.33%和89.73%。论文研究成果进一步丰富了穿戴式心电监护领域信号感知和异常识别等方面的研究,为穿戴式心电信号采集和监测、疾病早期筛查、智能诊断评估提供了新的思路和技术支持。