通过对心电数据的研究可以帮助我们了解一些生理现象和疾病的病理机制。目前心电信号的分析与诊断主要涉及到特征波的识别和病情的自动化诊断两个方面。近来来,越来越多的方法被应用于特征波的识别上,诸如小波分析、神经网络等。而混沌理念越来越多的被应用在病情的自动化诊断上,因为心脏的本质是一个混沌系统,从混沌的理念出发可以获得比其它方法更好的效果。本文也主要从特征波的检测和病情的自动化诊断这两个方面展开研究。在特征波的检测上,本文重点对R波的检测展开讨论。首先通过小波滤波滤去噪声和P、T波的影响,计算一阶差分后进行希尔伯特变换,并与原信号综合考虑,设定可变阈值的规则对R波进行检测。并且根据心电的生理特点进行合理的漏检误检回溯。利用MIT-BIH心律失常数据库,对算法进行验证。并且利用检测出的R波位置作为辅助,将排列熵应用于室性心律失常的检测中,取得了99%的检出率。在对心电的自动化诊断上,本文利用非线性的思想提取多重特征:相空间轨迹的发散程度、相空间点的分布密度、相空间轨迹本身的运动情况以及动力系统的复杂度等几个方面将重现定量分析与混沌参数相结合,进行多重特征向量的提取,利用lib-svm对正常窦性心律、室性心动过速、室颤以及房颤四种心律的心电信号进行分类,取得了94.5%的正确率。