生物医学信号是由复杂生命体发出的自然信号，通过记录和分析生物医学信号可以了解人体的健康状况及机体器官的机能变化。生物信号中的电信号，如心电信号、脑电信号、脉搏信号等，是机体生命活动的基本属性，也是了解生物体各器官的功能、临床诊断和治疗的可靠依据。生物信号处理的关键是描述和分析信号间的相似性程度，因此本文重点研究生物信号的相似性分析方法。相似性分析可以分为特征提取与表示和相似性度量两个基本步骤，本文重点研究生物信号的特征提取和表示，并在此基础上提出了一种时频结合的相似性分析方法。同时解决了相似性度量阶段的阈值选取问题。针对生物信号维数高、波形整体形态差异小而造成分类困难的问题，本文提出了基于窗口斜率的特征表示法。该方法对生物信号波形在平面内进行窗口划分，以每个窗口内最大最小幅值差与窗口宽度的比值作为生物信号波形的特征信息，进行相似性分析。实验表明，该方法在降低维度的同时，由于突出了关键特征点的变化趋势，可以扩大不同类波形之间的差距，提高生物信号波形分类的准确性，以及灵敏度和特异度的稳定性。同时避免了复杂的特征提取和优化过程，保证了分类的效率。为了解决波形相似度极高，以及由于振幅或时间轴偏移等原因导致的波形误分，本文将窗口斜率法和离散小波变换相结合，提出了一种时频结合的相似性分析方法。实验表明，此方法比单独使用窗口斜率法更有效，可以有效减少波形的误分，进一步提高波形识别的准确率。而且本文使用的离散小波变换只选用了单尺度的细节系数，避免了特征向量维度的上升以及特征向量的优化问题，可以很好地应用到实际的生物信号自动化分析当中。为了解决相似性度量阶段所遇到的分类阈值的确定问题，本文提出了一种基于二阶差分的自动选取阈值的算法，该方法克服了手动选取阈值所带来的误差问题，可以快速准确地自动求得最优阈值，从而使分类结果得到最优。