小波变换在许多领域都得到了很大程度的应用和发展,尤其是在信号处理方面得到了十分广泛的应用。由于小波变换能够同时在时域和频域中对信号进行分析处理,而且既具有有效去除噪声又能保持信号局部奇异性的特点,因此小波变换被称为研究信号处理的最理想的工具。目前心血管疾病已经成为危害人类健康的“头号杀手”,不仅具有较高的致死率,而且致残率也极高。人体生理信号是用于心血管疾病检测中最为重要的信号,其中包含的大量特征生理信息,对早期诊断心血管疾病具有很高的临床价值。对生理信号进行预处理操作是提取信号中特征生理信息的前提条件,具有十分重要的意义。本文提取的人体生理信号属于强背景噪声下的微弱信号,去除信号中的噪声是预处理研究的热点之一,传统的预处理算法大多都是针对某一种或者两种噪声进行处理,处理时效长,实时性差,而且每一步处理还会带来信号的变形；本文算法可以对多种噪声同时起到预处理效果的算法,具有广阔的应用前景。此外,对人体心电信号预处理后的工作就是要准确提取心电信号的特征点,尤其是R波波峰位置的提取,也是本文的研究之一。本文阐述了人体心电信号和心音信号的波形特征,深入研究了国内外关于生理信号预处理算法,详细分析了传统基于经验模态的生理信号预处理算法。提出了基于小波变换的生理信号预处理算法,并采用本文预处理算法对真实采集到的生理信号进行了预处理,提出了自适应小波变换模极大值的R波提取算法。采用LabVIEW和Matlab编程实现了传统基于经验模态算法和本文算法并对临床试验采集的数据进行了预处理效果对比,实验结果表明本文算法优于传统算法。