心律失常是心血管疾病中较重要的一类疾病,是由于心脏活动的起源或传导障碍导致的心脏搏动频率或节律异常,它可能突然发作导致猝死,也会因为持续性累积而致心脏衰竭。心电信号是心脏活动时心肌激动产生的生物电信号,是分析心脏兴奋的产生、传导和恢复过程的重要客观指标。心率变异性(Heart Rate Variability,HRV)是指逐次心跳RR间期的微小涨落,蕴含了有关心血管系统神经和体液调节的大量信息,其复杂性能够反映心脏的生理功能和健康状态。通过分析ECG的HRV信息从而自动识别、区分不同类型的心律失常,对临床诊断和远程监控技术都是至关重要的。HRV信号的常用分析方法主要包括时域、频域以及非线性方法等。其中,非线性分析方法被普遍认为更有助于揭示人体心脏动力系统的本质特征。本文对体表心电信号进行预处理之后从中提取出心率变异性信号,并从多尺度熵、散点图、符号动力学等不同方面进行特征提取与分析。首先根据发生心律失常时心电信号不同频率层次信息量的变化提出了多尺度Renyi熵算法,并以房颤为例进行特征提取与分析,进行阵发性房颤的分类结果可以达到92%以上。本文还提出了改进的基于散点图的区域熵算法,可以反映出疾病发生时心电信号的非线性特征及复杂性变化,进行阵发性房颤的识别分类的准确率均可以达到90%以上。此外,本文提出一种基于散点图的符号序列熵算法,通过划分散点图平面对散点位置进行编码反映RR间隔序列的不同变化模式,并对不同心律失常类型的信号和正常窦性信号进行分类验证了该算法的有效性。拓展了符号动力学在心电分析中的应用方式。