心电信号是心脏活动的一个数字化表征,它的形态特征反映生命心脏活动的情况,研究人员和医生可以从心电信号携带的信息中准确的分析心脏的健康状况。本文主要研究内容为多形态的心电T波检测以及基于盲源提取的房颤监护方法研究。基于小波变换和支持矢量机模式识别技术,本文设计了一种适用于检测心电信号多形态T波的新方法。为了提高智能检测多形态T波的准确率,方法主要包括以下策略：从ECG信号中检测并去除QRS波群；基于小波变换找到与T波对应的模极值对；归一化小波变换后整个信号的幅度；建立训练集等。我们采用了QT数据库中50组真实心电信号中5000个形态多样的T波数据来评估本文方法的性能,将实验结果与库中专家标注的信息对比后得到：在误差容忍度为20ms以内的检测精确度达到96.38.%,敏感度达到98.04%以及阳性预测率达到100%。与现有其他类似方法比较,本文方法的平均检测精确度和敏感度分别高出6.73%和4.48%。本文方法的优势在于：对于各种形态的T波均具有很高的检测精确度,且具有良好的抗噪性和可扩展性。房颤是一种常见的心率不齐疾病,为了减少医生诊断房颤或观察房颤病人情况的时间和工作量,我们提出了一种实时和自动的房颤监护方法。该方法主要基于盲源提取、小波变换和功率谱分析技术,它不仅能准确的识别房颤和定位房颤发作位置,而且可以决定在每秒钟是否发出报警信号以提醒房颤的发生情况。实验结果表明,本文方法的平均正确率高达93%,完全能够应用于房颤的实时监护中。