心电自动分析技术是临床检查的重要方法之一，它可以将医务人员从烦琐的图形识别中解脱出来，大大提高工作效率，对某些疾病尤其是心血管疾病的诊断具有重要意义。由于心电技术的不断发展，已经将其广泛地应用到了医疗诊断方面。目前，计算机心电图自动分析还未广泛应用于临床，主要原因之一是心电波形识别不准，其二是没有准确统一的评估系统，包括计算机诊断标准和测试数据库。因此探索新的方法以提高波形识别的准确率，寻找适合计算机实现又具诊断价值的诊断标准是改进心电图自动分析效果，扩大其应用范围的根本途径。本文采用了一种基于小波变换的信号处理技术，利用小波分析的多尺度特性以及幅度特性等，可以将心电图特征参数包括QRS波、P波、T波和ST-T段等较为准确的检测出来，从而提高了正确检出率；心电诊断分类采用了径向基函数神经网络和贝叶斯准则相结合的方法，并提出基于RR间期的逻辑判断分类方法。本设计是以MATLAB为平台来仿真检测心电图的各个特征参数，并使用国际通用的MIT-BIH心律失常标准数据库、欧洲ST-T数据库来检测，经验证均达到了较理想的效果，证实了算法的可行性及可靠性。论文从提高心电图检测精度、确定具有诊断价值的分类标准着手，进行了深入的理论研究和大量的实验，取得了较好的效果。心电自动分析技术仍是一个庞大的课题，具有广阔前景。