ECG数据常常需要进行压缩以便于存储和传输，因此ECG数据压缩是当今医学信号处理领域的重要问题。而量化是数据压缩系统中的重要组成部分，采用量化技术，能够有目的地丢弃一些不重要的信息，较好地提高编码器的性能，进行有效的数据压缩。基于小波变换的ECG数据压缩的三个主要环节是：小波变换、量化和熵编码。对于有失真压缩的关键步骤—量化器的设计，本文结合小波系数的特点，采用了改进的均匀量化器—带截止区的均匀量化器(USDZQ)对变换后的小波系数进行量化。 量化器的参数选取直接影响到ECG数据压缩的质量和压缩比，所以本文重点研究的是USDZQ的参数优化问题。我们选取粒子群优化算法(PSO)作为USDZQ参数的优化工具，并针对基本粒子群优化算法的不足，提出了一种适用于USDZQ参数优化的粒子群优化算法。该算法收敛速度快，不易陷入局部最优，搜索成功率较基本粒子群优化算法有了很大的提高。为了与本文中所使用的粒子群优化算法作比较，本文还选取了蚁群优化算法对USDZQ参数进行优化。 我们利用本文算法对MIT-BIH心律失常数据库的ECG信号进行了编码测试，结果表明，只要对USDZQ的参数进行合理优化，USDZQ就能获得优于均匀量化的性能，并可以成功地应用于ECG数据压缩中。 本文共分为六章。第一章介绍了近年来ECG数据压缩与粒子群优化算法的应用及发展现状，给出了本文的研究内容及所做的工作。第二章介绍了量化器和USDZQ的概念。第三章介绍了粒子群优化算法的原理及其各种改进型算法，提出了适用于USDZQ参数优化的改进型粒子群优化算法，并将该算法应用到ECG数据压缩中。第四章介绍了蚁群优化算法的原理、发展及其各种改进型算法，并将其应用到USDZQ的参数优化中。第五章是实验结果分析与比较。第六章是总结与展望，对论文所做工作进行全面地总结，并对今后的工作做出规划。