由于P、T波在心电图信号中不是很明显，因此检测难度非常大。

根据P波的四类基本形态特点，将小波变换与P波在变换后的幅值和斜率参数结合起来，提出了一种基于“小波-幅值-斜率”的P波检测新方法[11]：先应用小波变换初步搜索出满足阈值的模极大值对；然后根据P波对应的模极大值对的特点，结合幅值和斜率判据，剔除干扰，检测P波的峰点和形态；最后区别单峰P波和双峰（及双向）P波，分别确定出P波的起点和终点。用该方法进行了随机采集的临床ECG数据和MIT／BIH数据的P波检测实验，和人工检测结果比较，实验统计结果显示正确检测率高于96％。

Daniel Lemire[5]小波时间熵的计算，求得T波的形态特征，从而判断是否心肌缺血。该方法与ECG无关，从而减少了噪声干扰。

徐钰[8]等人对基于小波变换的P前波的自动识别技术进行了探索性研究。通过窦房结电图的基线漂移抑制技术、A波定位技术及基于此的P前波自动识别技术，对实际采集的人体窦房结电图信号的P前波进行识别，识别正确率为76％。

P前波的识别，由于前人的研究很少，其算法需要不断摸索，是本课题的难点。

1.4 本课题的研究工作

1.4.1 本论文研究的主要内容

（1）熟悉并了解窦房结电图基本图形以及特征波形。窦房结电图的种类繁多，波形差异很大。窦房结电图的特征波形是指构成窦房结电图波形的，其形态与参数能够反映心脏及窦房结功能的子波形，包括QRS波、T波、P波、P前波等。在进行波形识别的过程中，了解窦房结电图的基本图形和特征波形，有利于医护工作者对窦房结功能进行检测，对窦房结起搏和传导功能状态进行评价。

（2）研究基线漂移抑制、噪声消除（电极极化电压、工频干扰以及肌电干扰）的算法。信号的预处理分为硬件实时法和软件后处理法。硬件实时法是指设计各种滤波电路，在信号采集时，实时消除或抑制干扰信号。软件后处理法是指对采集到的信号数据进行处理时，采用数字信号处理技术即通过软件设计各种滤波器实现，软件后处理法相比硬件实时法而言，其数据处理是非实时性的。本论文主要对软件后处理法的算法和软件实现进行研究。

（3）研究特征波形自动识别的算法。该算法旨在实现图形自动分析时，自动确定各特征波形的位置，方便后续算法对各特征波形进行分析，从而得到窦房结电图分析的结果。

1.4.2 论文结构分布及简介

第一章 绪论。介绍了窦房结电图的应用及发展历程，阐述了其在国内外研究中的现状及面临的一些问题。通过介绍窦房结电图的一些基本信息，以及特征波形的参数和位置，了解前人研究的方法，针对本课题所要实现的功能，确定研究的内容及重点。

第二章 窦房结电图信号的预处理。简单介绍和分析了小波滤波理论和自适应滤波理论，将两者相结合，提出了小波自适应滤波的思想，对含噪SNE信号进行工频干扰滤除和基线漂移抑制的预处理。

第三章 特征波形的自动识别。此部分内容为本论文核心，对构成窦房结电图信号的P前波、A波、V波、T波等特征子波形进行自动检测识别算法进行研究。