穿戴式生理检测设备在心电信号的远程护理系统中起到了重要作用,其便于携带、可移动性强、实时监测等特点也对数据的无线传输和存储容量带来了大的挑战,要解决这些问题,心电信号的数据压缩技术是必不可少的。针对传统的变换域压缩方法过于依赖基函数的问题,本文提出了一种将小波分解算法和经验模态分解算法相结合的心电信号压缩方法。本文的主要研究内容和创新点如下:1.分析了小波分解算法在心电信号压缩应用中的优势和局限性,以及经验模态分解算法的自适应性、固有模态分量的特点在信号压缩中的应用。2.结合小波变换和经验模态分解算法各自的特点,将它们同时应用到心电信号的压缩中。首先通过经验模态分解算法将心电信号分解成为一系列的固有模态函数分量,然后根据这些固有模态函数分量各自不同的特点将它们分为两组,并合成为两个重组函数,对第一重组函数采用少量的极值点来进行记录,对第二重组函数则采用小波变换的方式进行压缩。3.通过分析两个重组函数各自所包含能量的大小,对其分配不同的失真度贡献比例,并采用最大极值点倍数的方式来确定第一重组函数特征点阈值的大小,采用固定被量化为零的小波系数比例来确定第二重组函数特征点的阈值。4.采用均匀标量死区量化的方法对待编码的特征点进行量化,该方法将阈值处理和特征值量化两个步骤合二为一,将量化误差和阈值大小联系了起来,使得本文提出的压缩方法可以只通过改变特征点阈值的大小来实现重构失真度的调节,并根据两个重组函数的特征点量化结果的不同特征,通过不同的途径将它们的非零特征点和特征点的位置信息分离开来,最后采用Huffman无损编码方法对分离处理之后的特征值和位置信息进行压缩编码。本文采用麻省理工学院提供的心律不齐的心电信号数据库来对压缩方法进行检验,实验结果表明,相比于其他的心电信号压缩方法,本文所提出的算法表现出了更高的性能,得到了更好的压缩效果。