心电信号的预处理对心血管疾病预防和诊断起着重要作用,其主要包括心电信号的滤波和波形识别两部分。由于传统心电信号处理方法在计算量、计算速度、处理精度、抗干扰性等方面限制,并不适用于对硬件及测量环境有限制的便携式心电监测。其次传统方法在信号处理时滤波与波形识别缺乏归一化的方法,往往滤波一种方法,波形识别采用另一种方法,这一信号处理机制降低信号处理速度,实时性较低。针对传统滤波和波形识别方法的不足,结合生物滤波特性,本文提出了基于神经元滤波模型的滤波和波形识别思想,并做了以下工作。首先,分析了人体生物信息的基本特征、心电信号的特点及心电信号干扰的耦合来源,接着分析了已有滤波和波形识别算法的不足;然后根据生物体神经元本身所具有的滤波特性及心电信号产生的内部机理,提出了适用于心电信号的神经元滤波模型;并利用四组典型信号在人为加入噪声的情况下,用不同的滤波方法对其进行了比较实验,初步验证了神经元滤波模型优越性。其次,在分析神经元滤波模型李雅普诺夫意义下稳定性的判定条件的基础上,分析了神经元滤波模型动力系统的各种平衡态,在初步实验的基础上分析了模型中各参数在不同情况下的稳定域及分岔情况,从而得到神经元滤波模型在滤波和波形识别时各参数所应给满足的取值空间范围,得到了参数选取原则。最后,在波形识别方面,分析了神经元滤波模型在波形识别应用机理,并通过与一种具有一定自适应能力的改进差分阈值法的对比识别实验,验证了神经元滤波模型在波形识别中应用的可行性及优势。并对若干组心电信号进行了滤波和波形识别的归一化实验,验证了模型的正确性。