根据2017年6月世界卫生组织的报告指出,心血管疾病每年造成的死亡人数高达17.7亿人次,约占全球总死亡人数的31%。作为一种无创性检查手段,心电图已成为心血管疾病最有效的预防和诊断手段。多导联心电图能更全面的反应心脏的活动状态,进而准确的确定病灶的具体位置,所以广泛应用于临床检测以及远程监护中。在心电采集过程中,外界环境的干扰会严重淹没心电信号的形态特征,从而对医生的诊断和远程智能分析造成干扰。因此,对心电信号的降噪是进行疾病诊断的前提和保障。在此背景下,本文提出基于改进指导滤波的心电信号降噪算法。论文主要内容如下:(1)基于特定人不同的心拍周期在幅值形态上有很大的相似性,本文提出了基于巴特沃斯高通滤波器和指导滤波的心电信号降噪算法。首先利用巴特沃斯高通滤波器去除基线漂移噪声,心电信号回归基线水平。然后基于多个心拍周期构建平均模板,利用这种方法构建的指导信号在幅值形态特征上与原始心电信号基本一致。结合指导滤波的边缘保持特性,去除剩余与心电信号频率有重叠的复杂噪声。经实验验证,所提算法的输出信噪比最高可达到19.28dB,均方根误差也都低于0.41,表明了对于心电信号中的复杂噪声,所提算法可以有效的去除。(2)基于多导联心电信号之间的相关性和噪声在不同导联上出现的差异性,本文提出了基于多导联心电信号建模的指导滤波降噪算法。在心电大数据的背景下,本文利用稀疏自动编码机学习并构建不同导联之间的统计模型,无论正常还是变异性心拍都能在构建的统计模型中得到很好的恢复(预测)。对多个预测导联进行信息融合构建的指导信号可以包含更全面的形态特征。指导滤波利用上述统计模型构建的指导信号进行心电的降噪处理,不仅提高了降噪的精度,同时降低了变异性心拍和微弱波在降噪过程中的损失。经实验验证,优化后算法的提升信噪比可高达21.54dB,方根误差均小于0.0401,表明利用多导联建模的降噪算法进一步提升了降噪精度,同时原信号的微小波形特征以及变异心拍都得到了准确的恢复。