突发性心脏停搏因其突发性强、难于预防与救治成为一种严重威胁人类生命健康的恶性心脏疾病。T波交替(TWA)是一种在规整心率时，体现在体表中T波或ST段形态、幅度或极性逐拍交替变化的一种心电变异现象。大量研究表明，TWA与能够诱发突发性心脏停搏的恶性心律失常具有医学上的对应关系，对于预防突发性心脏停搏具有重要意义。　　 TWA现象经常为不可见的非稳态现象，因此对其进行准确检测必须借助计算机辅助检测手段。本研究在对经典TWA算法进行学习的基础上，将三种不同算法分别应用于TWA现象幅度、持续时间和分布位置的检测当中，并根据仿真结果对其进行改进,得到了比原方法更可靠的检测结果。　　 本文首先按照分类和分步的思想提出了TWA算法研究的框架流程，并在之后的章节中应用于研究的过程里。　　 在对心电信号进行预处理的过程中，首先应用小波分解重构的方法将心电信号的三种主要噪声去除。然后对心电信号的主要特征点进行检测，包括QRS波群及ST-T段的相应处理。在对T波矩阵的选取过程中，选取了符合心电信号多样性特征的最大相关值方法得到最终T波矩阵的结果。　　 在对TWA幅度的检测中，应用了经典谱估计方法，通过模拟和实际数据对该方法的检测结果进行了讨论。结果表明，该方法对于平稳的TWA现象幅度检测具有较为良好的效果，但是对于持续时间较短的非稳态TWA现象，则其幅度检测效果明显下降。通过对T波矩阵形成过程的分析，应用Lomb算法提出了一种基于非等间隔采样的改进方法。与原有方法相比，该方法检测的假阴性率下降，从而降低了对于患有高风险心脏病患者的误判。　　 TWA持续时间是另一个TWA检测中的重要参量。在这一参量的检测中，采用了更能适应信号非稳态特性的相关法。通过仿真，发现这一方法检测的结果随检测心拍数目的不同而不同。为了改变这一缺陷，提出了一种适当划分心拍的方法。新方法主要通过首先对信号进行粗分，然后应用方差和线性拟合方法进行细分的思路，对所要检测信号进行分段，从而得出更能代表一段时间内心拍特征的模板心拍。实验证明，与原有方法相比，新方法在检测的准确性和敏感度方面都有较大程度的改善。　　 TWA在T波中的分布位置一定程度上表明所患心脏疾病的类型。本文将改进后的修正移动平均算法应用于对TWA分布位置的检测。实验结果表明，TWA现象严重程度与其在T波分布位置具有一定关系：TWA严重程度较高的数据，TWA最大值出现在T波中后部，而TWA现象不太明显的数据，其分布位置大多在T波的前中部。