据调查显示,心血管疾病引起的死亡人数占每年全世界死亡人数的三分之一且发病率正逐年增加,群体不断年轻化,已经成为严重危害人体健康的第一大疾病。由于心血管疾病发病具有突发性和不规律特性,提前预防和及时发现是治疗心血管疾病的关键步骤。心肌缺血、心绞痛等疾病在心电图上表现为心律失常波形,因此面向心律失常的心电信号处理算法和心电监护系统的研究对于挽救生命有着重要的意义。针对目前心律失常信号处理、分析和智能诊断算法中存在的不足,本文就心电信号的预处理(去噪)、波形检测及异常波形分类等关键技术进行研究,并针对算法应用的心电监护与分析诊断系统也做了相应的探讨。具体内容如下所示：(1)针对ECG信号中存在工频、基线漂移和肌电干扰等的噪声问题,本文设计了集改进的Notch滤波器、自适应形态滤波结构和平稳小波阈值去噪为一体的心电预处理算法。通过仿真实验,验证本文预处理算法相对其他经典滤波算法而言滤波效果更好。(2)针对异常心电波形检测不准问题,本文提出了基于双正交样条小波滤波器组和LS估计的心电P-QRS波形检测算法,实现对QRS波与P波的位置及宽度的检测。该算法通过构造双正交样条小波对心电信号进行二进小波分解,在第三和第四尺度上检测R波和P波峰值对应的模极大值对,实现R波和P波峰值的定位,并利用LS估计的方法确定QRS波和P波的宽度。仿真结果表明,本文的算法对R波和P波的的检测准确率较对比算法有所提高。(3)针对心电信号中心律失常波形分类问题,本文提出了改进的KNG-FCM心律失常分类算法。利用改进K均值、高斯核函数和粒度原理对传统FCM算法改进,改善了算法的鲁棒性和对噪声的敏感程度。仿真结果表明,本文提出的算法分类准确率能达到98.86%,较对比算法有所提高。(4)针对现有心电监护方案的不足,提出了由动态心电监护仪、心电智能分析软件组成的心电监护系统,可实现动态心电的远程监测和智能分析诊断。