近年来人们对健康的关注度日益增加,世界卫生组织的统计数据中显示心脏病是死亡率最高的疾病之一,因此及时了解心脏状况变得非常的重要。随着远程医疗诊断系统的发展,对心电信号进行监测的可穿戴设备的使用越来越普遍,通过该设备监测获得的多导联心电信号(MECG)能够为医疗人员提供更准确的诊断信息。然而,远程医疗诊断系统对多导联心电信号的长时间监测会产生大规模数据,要想提高多导联心电信号的传输和存储效率,需要对这些数据进行压缩。同时,由于远程诊断医疗系统可能不能时时刻刻采集信号或者传输信道不稳定,只能得到有缺失的数据,需要对这些数据进行恢复才能对心脏疾病进行精确诊断。多导联心电信号在心跳内,心跳间和导联间都存在较强的相关性,传统的向量和矩阵都不容易展现其多种相关性的特征,本文通过张量结构利用多导联心电信号的三种相关性。本文主要研究工作包括多导联心电信号的张量化、利用张量分解的方法对多导联心电信号进行压缩和恢复。本文的主要研究成果有:(1)针对张量化过程中多导联心电信号周期长短不一的问题,提出了一种末尾值填充的周期归一化方法。在对多导联心电信号进行QRS波峰检测后,利用周期末尾的值对不整齐的心跳周期进行填充,和零填充方法相比在相似的计算时间下提高了重构的精度;同时,相比于插值法,降低了时间开销。(2)针对多导联心电信号的压缩,提出了利用CP分解将多导联心电信号张量分解为三个因子矩阵的框架。多导联心电信号张量三边分布是不均匀的,利用张量的矩阵乘积对张量进行降维,得到一个核心张量,然后再对核心张量进行CP分解(CPTC),于是多导联心电信号张量的压缩过程被分为获取正交因子矩阵和非正交因子矩阵的子问题。通过仿真实验评估了CPTC方法的性能,在PTB诊断数据库的数据上实现了平均百分比均方差为2.38%-5.63%,压缩比为17.53-19.07的效果。依据重构信号相比于原始信在QRS波峰检测上的准确度,验证了CPTC很好地保存了多导联心电信号的特征信息。(3)针对有缺失的多导联心电信号的恢复,提出了张量CP分解的顶点最小二乘方法(CP-VLS)。该方法在表示多导联心电信号的三分图上,依次对图中顶点表示的特征分量进行迭代更新,并在模拟数据和真实多导联心电信号数据上验证了CP-VLS的收敛性。实验结果表明,在缺失率为20%-80%的情况下,CP-VLS方法得到在采样位置、未采样位置和所有位置的重构误差均小于1%。