心电（ECG）信号的智能处理是目前研究的热点问题，因为心血管疾病正严重威胁着人类的健康，成为人类健康的杀手，而ECG检查是诊断心血管疾病的重要方法。实现ECG的智能处理可以有力地促进医疗事业的发展，提升人们的健康水平，对心脏疾病的诊断有重要的意义。目前，智能处理在ECG信号中的研究还存在诸多的不足，主要体现在信号的预处理、特征点的检测、ECG信号的分类等方面。本文在前人研究的基础上，主要对以上三个方面的智能处理进行了研究，主要的研究工作和创新点如下：ECG信号预处理的研究。ECG信号的预处理是基础，也是关键步骤，信号中的噪声主要有工频干扰、基线漂移、肌电干扰。根据这几种噪声的特点，提出了基于形态学和小波的滤波方法。实验结果表明，该方法能够较好地滤除信号中的噪声。ECG信号特征点检测的研究。特征点的检测是心律失常分类诊断的重点和难点，因为ECG信号很复杂，检测的精度影响分类的结果。其中QRS波的检测最为关键，是其他特征点检测的基础，采用了基于形态学的自适应阈值法来检测QRS波。实验结果表明，用该方法来检测R波的效果较好。心律失常分类诊断的研究。提出了基于模板匹配的支持向量机的分类方法，主要针对四种常见的心律失常心拍以及正常心拍进行分类研究，该方法中的模板宽度会随信号的变化而不断更新，并且模板库中的信号会发生变化，增加了形态差异较大的信号，分类结果较好。本文算法的设计都是以Matlab为平台的，用MIT-BIH心律失常数据库的部分数据来评价算法的性能。ECG信号智能处理的研究是一个很庞大的课题，需要不断地研究和完善。