J波是出现在心电图中QRS波下降支终点的一个看起来像凹口或顿挫的波形。J波是一种低幅、高频的变异波形,往往出现在早期复极化综合征和Brugada综合征病人的心电图中,容易导致心率失常和猝死。临床上,医生只能通过肉眼观察心电图中的J波变异,容易造成误诊。因此,J波检测在临床上可以作为判定某些心脏病的一种非侵入性的标记手段。本文中首先利用独立成分分析技术从心电图中提取原始J波信号。并利用模糊神经网络的模型对提取算法进行了改进,定义了分离度的概念,根据迭代过程中的分离度的不同选择不同的步长,使得提取过程中的算法收敛速度和稳态误差达到均衡。根据提取的J波,构建了一个包括2000个心电模式的数据库。其次,本文定义了五个能反映J波特性的特征向量,包括三个时域特征向量和两个基于小波的特征向量,并使用特征选择和主成分分析减少特征向量的维数,作为分类器的输入。而且,本文研究了时域特征向量的理想配置,这个理想配置是(a)140ms的时间延续,(b)-20ms的起点位置,和(c)保留9个主成分。最后,利用这些特征向量训练隐马尔可夫模型作为分类器的输入,输出最终的判定结果。结果表明,本文提出的方法提供了93.8%的平均准确度,94.2%的平均敏感性,93.3%的平均特异性和93.4%的平均阳性预测值,揭示了很高的评价标准(准确度,灵敏度,特异性和阳性预测值),表明该方法有能力准确地检测识别J波并且可以利用该方法检测心电图中的其他病变波形。