心电信号（ECG）的数据处理是一个极具科研价值和应用价值的研究课题。本文主要围绕12导联ECG特征提取和分类问题，提出一个精确、可行的技术方案，包括数据去噪、波形切分、时频域分析、张量表征、特征抽取、数据分类及其实际应用。在数据表征方面，先前所做的研究大多基于2导联ECG数据库，选用向量作为数据表征形式，取得不错的分类精度；但是临床实际所用为12导联ECG，直接将2导联数据串行化的处理方法套用到12导联数据往往是不可行的。本文针对12导联ECG的结构特性，使用张量作为表征形式，避免了串行化时对结构相关性的丢失，确保了特征完整性。在特征抽取方面，大多研究仅着眼于ECG时域特征，而忽略了频域的重要特征。本文通过短时傅里叶变换、Gabor变换、Wigner-Ville分布等时频域分析的技术手段，将ECG时域数据变换为时频域数据，同时转换为张量结构。紧接着，本文提出一种多线性不相关主成分分析（UMPCA）为核心的方法，将12导ECG张量数据从张量空间投影到低维向量空间，实现特征抽取。最后，通过支持向量机（SVM）的分类实验以及与类似方法的对比，证明了该方法的有效性和优越性。在实践应用方面，本文将研究成果应用到在线的远程心电诊断系统中为医生提供辅助诊断；同时提出了离线的数据挖掘方案，构想了大数据场景下的改进措施。