心电信号是心脏的电活动传导到体表的综合反映,它蕴含了大量关于人体生理疾病健康的知识信息,因而心电信号分析处理对于心脏相关疾病的研究、预防和诊断有重大意义。然而,我国大力推广心电信号的研究和分析工作始于上世纪70年代,相比其他欧美发达国家起步较晚。至今为止,心电信号的处理和自动分析诊断方法还存在许多的局限,心电特征波形分析及定位结果不尽人意。尤其是在当今高速发展的移动互联网的浪潮中,心电分析和诊断系统远远达不到移动用户的需求。AMI(急性心肌梗塞)是冠心病的主要临床表现之一,对人类(尤其老龄化人群)健康威胁很大,因此本文针对AMI来展开心电信号分析与诊断系统设计。首先,本文简要介绍了心电信号的基础知识,之后对常见心电噪声中基线漂移的滤除方法展开讨论。由于传统的小波分解滤波器对于高频噪声的滤除效果好于低频噪声基线漂移,本文引用了一种基于自适应滤波的小波分解重构滤波器,实验证明该方法能够良好滤除高频和低频噪声。在此基础上,本文针对AMI波形的病理特点对ECG波形特征点进行了分析,并提出了AMI诊断的波形参数和标准。由于移动操作系统内存资源的限制,本文在实际软件编写过程中的信号处理部分采用快速、高效并且时间复杂度较低的算法(例如中值滤波,二阶差分阈值等),并把ECG波形的R波,Q波,ST段等特征波形信号均准确提取出来。在此之后,本文引入唯一一款能在Android运行上的专家系统框架--JBPM工作流引擎,该引擎是基于Drools规则引擎上设计,并能将运行分析事物模块化流程化的轻量级引擎。由于JBPM应用范围通常仅局限于一些基于java的web工程项目中,而本文将其引入到移动开发领域(Android)不失为一种大胆的创新性开发。与此同时,由于Android不支持BPMN2.0(一种建模语言规范),使得JBPM的可视化特性受到了影响。最后,本文介绍了移动操作系统Android和软件开发工具Eclipse,之后描述了本软件系统的整体框架以及各个模块功能,并用一款基于LPC2132的心电采集系统采集的心电波形信号和MIT-BIH的心率失常心电数据库的心电文件进行了软件诊断检验,实验结果证明该系统能够准确判断出具有急性心梗风险的波形数据,达到了本文的设计目标。