心电图的自动检测与分析在健康监护应用方面具有重要的意义，近年来得到了广泛的研究与应用，两个主要的研究热点是QRS波精确定位与异常波形检测。实用的便携式健康监护系统对这两种检测器的检测精度和稳定性提出了很高的要求。本文以小波分析为主要手段，结合三次样条插值、动态时间伸缩等理论，提出了高精度的QRS波检测算法和异常波检测算法，实现了QT检测。主要贡献可归结为：1)QRS检测算法。利用对称小波分解并对小波系数进行样条插值得到的特征作QRS检测，利用信噪比估计动态自适应调整不同级小波系数权重增强QRS特征。2)异常波形检测是本文的研究重点。通过对现有异常波检测算法进行比较研究，提出了结合动态时间伸缩(DTW)模板匹配和ECG各波形时间间期特征分类的两阶段分类策略。值得一提的是，利用DTW的局部匹配特性，自动提取出时间间期特征，避免了传统的波形特征点搜索的烦琐过程。3)QT间期是心率失常判断的一个重要依据，本文的QT检测算法，主要是对T波结束点采用两级小波系数过零点分析进行定位，以改善基于斜率上限定位的准确度。　　 为检测算法的性能，我们采用了ECG研究领域一贯使用的MIT-BIH心率失常数据库的数据进行测试。实验结果显示，提出的QRS检测算法在数据库的全部48组记录，共91285个波形的检测灵敏度和正确检测率分别为99.75％和99.82％，R波位置均方根误差为13.91ms。异常波检测算法在包含31068个正常波和8411个异常波组成的大数据集上，检测率达到98.17％。　　 实验表明，本文提出的QRS检测算法和异常波形检测算法都优于现有算法。特别是异常波检测算法在大数据集上测试的结果明显高于现有算法。