心血管疾病是对人类健康造成威胁的最严重的疾病之一,且具有高发病率、高患病率、高致残率、高死亡率等特点。心电图作为检测和诊断心血管疾病的重要方法之一,在采集过程中,经常受到各种噪声的干扰。被噪声干扰的心电信号,不但增加了医师的工作量,降低了诊断效率,而且增加了心脏监视器的错误报警率。为了减少噪声带来的影响,对心电信号的质量进行评估和信号去噪具有重要的意义。本文主要研究心电信号的质量评估方法和去噪方法,根据心电采集设备和使用对象的不同,分为十二导联心电信号和单导联心电信号。在对十二导联心电信号质量评估中,本文提出了一种基于多特征融合的心电信号质量评估方法,在该方法中提出了两种特征融合方式:一种是基于规则的方法,另一种是基于统计特性和机器学习的方法。并用两种方法在Physio Net/Computing in Cardiology Challenge 2011提供的数据库中的训练集和测试集上进行了测试,第一种方法获得的分类准确率是92.8%和90.4%,时间性能是0.78秒,第二种方法获得的分类准确率是94.0%和91.6%,时间性能是2.03秒。在对单导联心电信号质量评估中,本文从MIT-BIT心律不齐数据库中选取了干净的心电信号,向其中加入了三种来自MIT-BIH噪声压力测试数据库中的真实噪声,根据噪声水平的不同,制作了具有5个质量等级的单导联心电信号数据集。本文从单导联心电信号中总共提取了10个信号质量指数,并用支持向量机分类器在数据集上进行训练和测试,经过交叉验证,获得的分类准确率是79.94%,单类重叠准确率是98.75%。根据单导联心电信号中噪声的类型不同,本文针对每种类型的噪声使用了不同的去噪方法,包括数字滤波、自适应滤波和小波滤波等方法,并用每种方法对不同质量等级的心电信号进行了去噪处理,然后从视觉效果和信噪比两个方面进行评价和比较,最后为不同噪声类型和不同质量等级的心电信号选择了适当的去噪方法。基于前面的理论研究和分析,本文设计并实现了一个测试及应用平台,对平台的各个功能进行了测试。测试结果验证了平台各个功能的正确性和有效性,并对本文提出的质量评估方法和采用的去噪方法提供了较好的支持。