心电监护仪能长时间连续记录心电数据,是医院病房不可缺少的医疗仪器。近年来心电监护仪向家庭进军,相关市场蓬勃发展。老龄化人口问题、城市生活压力和疾病防治构成了内在推动力。医疗检测技术的成熟和电子计算机技术的飞速发展构成了外在动力。在内外推动力共同作用下,国内市场发展劲头迅猛。目前的家用心电监护仪是基于院级心电监护仪改进而来。改进方向主要集中在简化功能、优化操作、使网络无线化以及缩小外观等方面。而家庭用户要求心电监护仪具有心电智能检测功能,此项需求在目前的家庭产品中无法得到满足。本文针对这一现状,设计了具有智能分析功能的心电监护仪系统,将智能心电检测作为本监护仪的特点和优势。心电检测算法是这一系统的核心。本文采用机器学习的方法检测心电异常,先从心电数据中提取特征再训练决策树。心电数据和一般机器学习数据有所不同,它是以波形的形式展现的。因此首要任务是特征提取。本文采用具有紧支撑性和一阶消失矩的二次样条小波分解心电波形,利用小波系数和R波的对应关系来识别R波位置,再以R波为基准分离心电周期。然后抽取A3小波系数作为机器学习的训练向量。本文从MIT-BIH数据库中选取6种常见心电波形数据,用决策树进行训练得到分类模型。将此模型运用于心电监护仪的开发。监护仪软件系统运行于近年得到广泛应用的ARM处理器平台,基于Linux,并用Qt作为图形界面的开发平台。系统架构采用MVC设计模式,架构清晰,有利于模块复用和后期维护。系统实现了串口传输、图形显示、报警、参数设定和心电智能检测5项主要功能。文章详细介绍了这些功能的实现方法和运作流程。