心电信号自动分析与诊断一直是信号处理的重要研究课题。本文在小波变换与模糊神经网络的理论背景下,针对正常心拍与室性早搏的识别分类做了进一步的深入研究。本文首先介绍了心电信号自动诊断系统的构成及各部分的发展现状,随后介绍了心电信号的一些基本知识,包括心电信号产生机理及常见的的几种心律失常的心电图特征以及心律失常诊断标准等。在此基础之上本文针对心电信号中存在的各种噪声和干扰进行了分析,并针对工频干扰、肌电噪声及基线漂移等噪声提出了相关的消噪方法。在对心电信号进行完预处理之后,本文接下来介绍了两种用于心电信号QRS波群检测的方法,即波峰定位法和小波变换法。重点阐明了利用小波变换进行R波识别及QRS波群起止点检测,在此基础上对R波检测、QRS波群检测进行算法设计。本文利用MIT-BIH标准心电数据库中48组的ECG数据分别对波峰定位及小波变换算法进行了仿真验证,然后对数据处理的结果进行了分析,仿真结果表明两种算法对QRS波群的识别率分别达到了99.43%和99.84 %。心电信号的自动识别分类就是利用计算机来智能识别各种异常心电波形,这是心电图自动诊断中难以实现的问题。本文使用模糊逻辑与神经网络相结合的模糊神经网络,在提取心电信号特征点完成之后,对ECG心电记录进行模糊识别及分类。文中利用了具有模糊化输入、输出的前向神经网络(BP网络)的分类识别能力,实现了ECG信号中的正常心拍和室性早搏自动识别。用MIT-BIH心电数据库中的样本数据对该模糊神经网络进行训练、检验,对网络识别的结果分析后,正确率达到了95.11%,表明该网络具有较好的PVC自动识别率。