J波在心电图中表现为QRS波群末端的驼峰形、顿挫形或尖峰状波形,其预示着恶性心率失常、心脏性猝死等心血管疾病的发生,可作为一些心脏疾病的预测指标。因此,需要一种高效准确的J波检测技术,为临床诊断J波相关疾病提供重要依据。本文提出两种J波检测方法,具体方法如下:第一种方法是基于时频域特征和自适应特征选择的J波检测方法。在对心电数据进行预处理后,从时频域角度对正常心电数据和含J波心电数据提取三组特征,包括形态学特征、基于本征模函数的统计特征以及基于希尔伯特黄变换的统计特征。提出一种基于区分度的特征选择方法,对提取的特征集进行降维择优处理。用特征选择后的特征集训练支持向量机,通过粒子群算法优化其参数,最后用该分类模型对待测数据进行预测识别。第二种方法是基于混合特征提取的J波检测方法。对两种类型的心电数据分别提取时域上的R+75及其统计特征、频域上的DCT特征、两种非线性高阶统计特征。通过线性判别分析分别对两种非线性特征进行降维处理。对时域、频域以及降维后的非线性特征进行特征融合,使用PNN分类模型进行分类识别,对其影响因子进行数据分析确定最佳值。实验结果表明,本文提出的两种方法对J波的识别率均较高,平均准确度分别达到94.5%和95.0%,可以较为准确地从心电数据中检测出J波。