对心电信号的干扰进行分析，并利用计算机实现心电信号的预处理，包括针对工频干扰、肌电噪声及基线漂移等噪声采取相关的消噪处理 利用计算机实现对心电信号中关键的 QRS 波群特征点自动检测，采用多组 MITBIH 生理信号数据库，对所用算法进行客观评价； 设计并利用计算机算法实现 ECG 信号特征参数提取，并以此预判存在疾病的可能性，采用多组 MITBIH 生理信号数据库，计算疾病预判正确率，对所设计的算法进行客观评价；

针对家庭实时监测心电和呼吸的需求,本文设计了一款基于Android智能手机的便携式心电与呼吸监测系统。系统通过心电电极采集心电和呼吸信号,经蓝牙将采集的信号传输至Android智能手机端进行实时分析、显示和报警。对采集的心电信号进行预处理,用差分阈值法和局域变换法检测QRS波群,并判断是否有心电异常,同时根据呼吸信号计算出呼吸频率并监测呼吸暂停状况。模拟和真人测试表明,本系统能够准确地计算心率、呼吸频率、监测心电异常状况。

提出了一种基于小波多分辨分析的算法，对心电信号进行特征提取和识别。通过小波变换对常规心电图信号进行分解去噪和特征提取，并利用动态自适应阈值和删除多检点，补偿漏检点对QRS波检测进行优化。实验结果表明该方法在QRS波形不失真的情况下，提高了一部分MIT-BIH数据库信号中QRS波识别的准确率，并且对于较低准确率的心电信号的原因进行了分析。

QRS 波群是 ECG 信号的重要组成部分，是心电信号分析的基础。QRS 波群的检测方法已经有很多种实用有效的方法，并逐步地走向成熟，在实际应用中得到实现。本文就 QRS 波群的检测方法作了具体的整理与分析，较全面的阐述了实际应用中的各种算法，最后作者对检测算法的发展趋势进行了总结和展望。

首先简述了信号自动分析技术的研究背景和意义，并从预处理和特征检测两方面综述其发展，同时介绍了信号的产生机理、获取方法以及其自动分析的技术难点。分析信号存在的多种噪声特点，介绍常用的两种滤波算法：传统数字滤波法和小波滤波，对它们进行实验仿真并分析了各自优缺点。在此基础上，设计了一种新的滤波器，它基于提升小波变换，计算过程简单、利于硬件实现，实验结果表明其效果良好。介绍两种经典的波群检测算法：差分阈值检测算法和小波变换检测算法，对它们进行实验仿真并分析各自优缺点。之后，提出了一种新的波群检测算法，该算法根据信号的极大、小值点分布特性来准确定位波位置，并根据段波形特性来确定波群宽度。我们对新算法进行了仿真，并利用数据库和数据库中的数据进数据测试，分析和对比了测试结果。实验结果表明新算法具有较好的检测率和稳定性，其方法更易实现更适合用于便携式仪器。

PT算法包含有低通滤波、高通滤波、微分、平方、积分、自适应阈值等，可检测的心电信号的统计数据包括：RR间期、QRS波群、RR间期。

MIT心电信号数据库，心率计算以及利用局部变化法实现QRS波群定位