生物医学信号,属于低频弱信号在强噪声背景下产生的,它是由复杂的生物体发生的不稳定的自然信号,从该信号本身的特征,检测方式到处理技术,都不同于一般的信号,针对各种有待提取和处理的信号,如心电信号、脑电图信号、眼电、胃电等生理信号,对病人的检测和诊断治疗方案,都是重要的诊断依据。心电信号以及其它生物医学信号一样,都属于低频微弱信号,在检测时常常容易受到外界的干扰,不同的环境下对同一人体的生物信号检测也会有不同的结果。因此它具有信号微弱和极强的噪声,随机性强等特点。心电信号主要是心脏被激活在身体表面上的反映,在临床上,被作为诊断疾病的重要的依据。在实际生活中,人们用心电图来记录心脏产生生物电流的状态,临床医生可以利用心电图来评估病人的心脏状况,并做进一步的诊断。然而,心电图记录时往往会受到仪器、导联线、人体等几种产生的电源频率干扰、基线漂移和肌电干扰等。要滤除这些干扰,提取有效的信号成分,对信号的检测和处理意义重大。目前ECG信号作为一种非平稳随机信号,因其易于检测以及直观的特点,引起研究人员越来越多的关注。本文主要研究了小波变换和分数阶傅里叶变换的性质以及处理信号时的原理方法,针对非平稳信号,把小波变换和时频分析结合一起,即将分数阶傅里叶变换的时频聚焦性和小波变换中的多分辨分析性相结合。相比于传统的小波变换仅采用阈值处理的方法,本文采用的心电信号在分数阶Fourier最优p阶域变换后,再进行小波变换处理,这种方法更适用于对信号的提取和消除噪声；其次,运用小波模极大值法对心电信号进行检测,以正确的检测出正向R波和负向R波,并运用错漏检补偿策略来提高R波的准确率。对于Q波、S波采用了先验知识和加窗法相结合的方法进行检测。算法完成后,以MIT-BIH数据库中的多条数据进行仿真验证,结果表明分数阶小波变换对心电信号滤波信噪比最高能达到29.745db；运用小波模极大值法对QRS波的检测准度能达到99.81%,证实了本文算法具有较高的精确度。论文基于ARM9处理器的S3C2410开发平台,在WinCE系统下,通过eVC编写相应滤波及检测程序,经测试算法运行正常。