近几十年来,随着基础科学的迅速发展,医学数字化研究的内容得到了极大地丰富,大大降低了医学诊断对专家经验的依赖程度,医学诊断的效率和精度也得到了显著的提高。其中,数学方法在这一过程中起了至关重要的作用,尤其是非线性科学,更是为医学研究带来了众多价值斐然的成果。本文以非线性动力系统理论为基础,主要进行心电图(electrocardiography, ECG)信号的非线性动力学特征的分类研究,提出一种新的ECG信号分析方法,并以此方法为核心,建立一个心律失常信号智能诊断系统。研究内容主要包括以下几个方面:首先,我们对心电信号线性分析方法常用的特征量进行分析研究,发现这些由心电信号波形形态所提取的特征量很难识别波形相近的不同类型的ECG信号,致使最终分类结果不理想,且易受噪音干扰。然后,进行心电信号的非线性分析研究,主要是从非线性时间序列分析理论出发,采用相空间重构技术,重点是利用庞加莱截面观测重构轨迹的几何结构,从中得到用以正常窦性心律(NSR)与房颤(AF)、室颤(VF)、心室过速(VT)三类常见心律失常ECG信号自动识别的有用信息,提出一种新的心电信号特征量的提取方法,并通过实验验证了此方法的合理性。再后,我们利用来自MIT数据库中的心电数据进行实验,得到较高的分类精度,进一步验证了此方法的有效性。最后,我们基于新方法建立一个用以NSR与AF、VT、VF自动识别的诊断系统,实验结果表明:此系统可有效识别NSR与AF、VT、VF三类常见心律失常信号,且具有分类准确率高、运算迅速等优点。