在当前的焦虑症评估方案中,存在主观性较强,客观性匮乏等问题,为解决这些问题,本课题设计了基于心电信号的焦虑症辅助评估系统,该系统可以为焦虑症的评估提供量化信息,提高评估的客观性。心率变异性是心脏跳动的周期性差异的变化,而心脏的跳动主要受神经系统的影响,因此在心率变异性中包含着神经系统的平衡状态信息,此外,神经系统的状态可以通过对HRV信号的分析得出。目前市面上的相关设备也都存在着各种不足,如小型设备过于简单,测量的数据精度较低,不能作为医疗设备使用,大型设备价格昂贵,体积庞大且需要专业化操作,不利于家庭化的使用和推广。为此本课题设计了一款满足家庭化使用的焦虑症辅助评估系统。本文研究了心电信号的相关理论和测量方法,并根据相关的理论制定了系统设计方案。根据心电信号的特点,通过带通滤波器和带陷滤波器对噪声干扰进行滤除,并通过Matlab对算法进行仿真,结果表明该方案能够有效去除心电采集信号中的高频、低频以及工频噪声。本文对心电信号R波的识别与定位算法做出了改进,通过对心电信号进行预处理后,进一步将一维数据信号处理成为二维图像信号,用大津法对其进行求取动态阈值,以此改进传统的差分阈值法,提高算法的适用范围。在HRV信号的分析方法中,本文采用了时域分析、频域分析和非线性分析的方法,并根据HRV参数与神经系统的相关性进行建模分析,通过层次分析法对HRV参数进行加权计算得出焦虑指数,通过定量参考数据可提高焦虑症的评估客观性。最后本文通过设计采集终端和上位机软件对理论算法进行了应用实现。实验结果表明改进后的差分阈值算法在10min时程的心电信号测量中具有更好的抗干扰能力,相较于传统算法自适应得到了加强,提高了R波的识别准确率。心电信号采集终端能够满足数据的便携式采集需求,上位机软件在使用测试中也具有良好的表现,能够达到预期的性能和使用需要。