ECG信号是十分重要的医学信号,其检测过程本质上是一个模式识别过程,主要涉及特征提取和特征判别的规划和设计。由于医学信号的获取中通常受到病人生理、外界环境等干扰,采集的信号往往含有噪声,从而使得待检测信号波形存在失真,给信号的自动分析处理带来了很大困难。如何建立起描述信号特征信息的数学模型,对识别效果有举足轻重的意义。传统的神经网络具有高度的非线性逼近能力等优点,小波神经网络在此基础上,通过选择合适的小波基来构造神经网络,训练之后就能够以任意精度来逼近任意的非线性函数。本文提出了一种基于小波神经网络的ECG信号的检测算法,并讨论了小波神经网络的构造思想及计算方法,对于各种病例诊断有借鉴意义。由于ECG信号是随时间变化的一维电信号,难以确定其特征表现,采用传统的信号处理方法不容易得到满意的效果。针对ECG信号的特点,本文采用小波神经网络模型来处理ECG信号,从而克服ECG信号识别中所存在的模型复杂性与不确定性等困难。中本文选取了MIT-BIH心电数据库中的部分样本进行了数值实验,结果表明基于小波神经网络的ECG信号检测算法具有较快的计算速度,但是对于网络结构的设计和学习算法方面还有很多需要改进的地方,实验也发现该算法对极不规则的心电信号的检测能力不够。从本文的试验结果中可以看出,利用小波神经网络对原始ECG信号进行特征提取,正是利用了小波基的时频局部特性的优点,从而加快了小波神经网络的收敛速度；另外由于小波基同时具有尺度和变换的不变性,因此在计算中需要较少的训练样本数,使得小波神经网络的泛化能力得到很大改进；同时由于小波神经网络对随机噪声并不敏感,从而提高了对非平稳和非线性信号的检测能力。