心血管疾病是当今危害人类健康的主要疾病之一,心电图检查是临床上诊断心血管疾病的重要方法,利用计算机对ECG进行自动准确的分析一直是国内外学者所热衷的课题。室性早搏是异常心律中最为常见的一种,根据室性早搏的心电图特点,本文设计并实现了两种室性早搏异常心电波形的检测方法。首先,考虑室性早搏心电图中R波与S波的相关特点,本文提出了RS间距波幅检测法。这种算法根据RS波间距与RS波波幅将心电波形分类,并将各种不同类的波形进行量化,然后根据每个病人自己的波形特点找出其正常波形的量化数值,进而实现异常心电波形的检测。在目前心电监护仪常用检测标准的基础上,文章重点提出了一种基于包括RR间期,R波平均高度,R波极性以及QRS间期等特征量的线性神经网络室性早搏异常心电波形检测算法,讨论了该线性神经网络的设计和训练过程。经MIT/BIH标准心律失常数据库验证,这两种方法对检测室性早搏波形都有一定的效果。尤其线性神经网络检测算法可以根据病人心电波形的自身特点来进行差异性参数阈值选择,能达到满意的识别效果。QRS波自动分析的最终目的是为了让计算机替代医生完成QRS波的分类,并根据其它一些临床特征自动地做出诊断。本文引入了模糊数学中模糊集合及隶属函数的概念,将心电波形的斜率进行模糊特征化,得到每个心电波形的隶属度集合,从而提取心电波形的特征。在隶属度集合的基础上,文章提出了一种心电波形相似度的度量方法,并基于此度量对心电波形进行模糊自聚类。MIT/BIH标准心律失常数据库的实验结果表明,本文提出的心电波形相似度定义具有一定的合理性,波形分类算法切实可行。