随着人们物质生活水平的提高,心脏疾病的发生率一直在增加,而且一旦发生心脏疾病的致死率极高,它极大地威胁到了人们的健康。心电信号能反映心脏激动传导时各部位的生理状况,它是医生在临床上诊断心脏疾病的重要依据。所以,对于心电信号的深入研究和探索有着非常重要的意义。目前,对心电图的分析,大多数的医院还是采用人工分析的方式,这样不仅使得分析结果带有很强的主观性,而且随着病人的增多,工作量也是巨大的。随着计算机技术的飞速发展,人们急切的想要研究出一种准确性高,高效的心电信号自动分析技术。但是,目前由于心电信号本身的幅值小,频率低,数据量大的特性,而且它在采集的过程中容易收到噪音的干扰,使得自动分析技术中还有很多需要研究和解决的问题。为了快速检测大规模心电信号的异常突变,本文首先提出了一种基于三叉搜索树(TST)的算法,即TSTKS算法。该算法是在Haar小波变换理论和改进的KS统计检验理论的基础上提出的。TSTKS算法的主要步骤是先用多级Haar小波变换分解待检测的时序数据,同时构建均值二叉树TcA和差值二叉树TcD,在两棵二叉树的基础上增加中间分支,推导出本文所需要的均值三叉树TSTcA和差值三叉树TSTcD。因此,将原始时序数据分割成更多的数据片段,从而提高了时序异常特征分析的搜索速度和精度。然后,在改进的KS统计的基础上,采用三种搜索准则,在两棵三叉树上从根到叶节点的多个搜索路径中检测到突变。在这个过程中,对TSTcA各层子节点对应的不同时序片段间的统计波动进行分析和度量,利用TSTcD各层子节点对应的差值参数,对不同时序片段的差值波动进行分析和度量。最后找到一条最优搜索路径,寻找原始时间序列的突变点。本文先通过仿真数据,将TSTKS算法与HWKS算法、K-S检验、和t检验三种方法从耗时、命中率、误差以及准确度四个方面进行了比较,仿真结果表明,与以前使用的HWKS、KS和T方法相比,所提出的TSTKS有较短的计算时间、较高的命中率和较高的精度。特别地,TSTKS算法还解决了本文之前提出HWKS算法对于数据的中间部位和边界的出现异常数据不敏感等缺点。最后,本文利用数据库MIT-BIH,先是将正常心电图和不正常心电图合成待检测的数据,来验证TSTKS算法在心电信号上的突变点检测算法的可行性。然后再仿真一部分心律失常的心电信号,验证TSTKS算法的性能。对实际心电信号的研究结果表明,提出的TSTKS在诊断心电信号异常上有很好实际意义,对潜在的临床应用具有十分重要的意义,有助于心脏病的诊断和预测。