心脏病是一种常见的多发慢性疾病，由于病情隐蔽、发展缓慢、发病危险性高，故而成为威胁人类生命的主要疾病。心脏病导致的死亡约有70％是发生在院外的突发事件，对院外高危人群进行心电监护，可以大幅降低心脏病患者的死亡率。对接收到的心电信号进行准确快速的自动检测和分析是提高远程心电监护系统智能性和有效性的关键。目前心电信号的自动检测方法和分析手段还存在诸多不足，仍有改进和创新的余地，因此，开展这方面的研究具有重要的理论意义和实用价值。　　本文的工作是围绕“教育部春晖计划资助项目——无线远程医疗系统的研究”进行的，完成的主要研究工作如下：　　一、从 ECG信号的预处理和波形特征信息的提取着手，对目前国内外 ECG信号计算机自动检测算法的理论、方法进行分析总结，探讨了各种方法存在的问题，指出了进行ECG自动检测的技术难点，为改进算法奠定基础。　　二、结合人工神经网络的理论知识，对传统的自适应白化滤波器进行优化，实现了一种新的QRS波群检测算法。首先设计一个基于径向基网络的非线性自适应白化滤波器，用它处理ECG信号的低频成分,模拟其非线性及非稳态的特性，处理后的信号中含有QRS波群大部分高频成分；再让其通过一个线性匹配滤波器来检测QRS波型的位置和特征。该滤波方法能够更好的适应心电信号的非线性特征，提高波形识别率。　　三、为匹配滤波设计了一种“可变模板”。用一组心电信号数据来训练一个三层BP网络，该网络的输出，即用于匹配滤波的模板能够实时更新，从而使匹配滤波能够更好的适应监测对象心电信号的个体差异性，使检测结果更为可靠。　　本文采用了国际公认的MIT-BIH心电数据库以及Matlab软件对所提出的算法进行了大量的实验研究。实验结果证明：与传统线形滤波方法相比，提高了对非线性信号检测的适应性，提高了强噪声背景下进行QRS波形检测的识别率；与多层感知的非线性滤波相比，提高了检测速度。本文对远程心电监护系统的智能化处理方式进行了初步探索，为今后进一步的研究打下了基础。