بیماری های قلبی- عروقی شایع ترین علت مرگ ومیر در جهان به شمار می روند. این بیماری ها که انواع مختلفی دارند، از مدت ها پیش به صورت تدریجی آغاز شده و باعث تغییراتی جزئی در سیستم قلبی- عروقی بیمار می شوند، از این رو مانیتور کردن منظم سیگنال ecg بیمار، در تشخیص زودهنگام نارسایی های قلبی و جلوگیری از پیشرفت سریع آن ها بسیار موثر است. مهم ترین مشخصه سیگنال ecg، شکل موج های آن است که هر یک، اطلاعات مربوط به عملکرد بخش خاصی از قلب را منعکس می کنند؛ در این بین، تشخیص دقیق موج p و شناسایی تغییرات این موج در ناهنجاری های مختلف، بسیار مفید بوده و به لحاظ بالینی نقش موثری در فرآیند تشخیص نارسایی های قلبی خواهد داشت. در حال حاضر متداول ترین روش های موجود برای تشخیص موج p، بر روی ثبت های نرمال موردارزیابی قرار گرفته اند و کم تر مفهوم آریتمی ها غیر از فیبریلاسیون و فلاتر در این حوزه مطرح شده است. هدف از این تحقیق بهبود روش های موجود در زمینه پردازش سیگنال ecg، به منظور تشخیص موج p در ثبت های نرمال و غیرنرمال است. در مقایسه با روش های کلاسیک پردازش سیگنال که هیچ گونه اطلاعاتی در مورد ماهیت سیگنال موردپردازش ندارند، روش مورداستفاده در این تحقیق براساس مدل سازی دینامیکی سیگنال ecg عمل می کند که با دقت قابل قبولی قادر به تخمین فعالیت های مجزای قلبی است و برای تخمین پارامترهای مدل دینامیکی از رویکرد بیزین و فیلتر کالمن بسط یافته تحت عنوان ekf25 استفاده می کند. ساختار پیشنهادی که در اغلب ناهنجاری ها عملکرد قابل قبولی در تخمین موج p دارد، در مواجهه با ناهنجاری هایی که تغییرات بالای مورفولوژی دارند، دچار خطا شده و تشخیص درستی نخواهد داشت. از این رو برای بهبود نتایج مدل در مواجهه با چنین ناهنجاری هایی، سعی شده است با استخراج ویژگی هایی از روی سیگنال تخمینی، این ناهنجاری ها تشخیص داده شده و با حذف تشخیص های نادرست، دقت تشخیص افزایش یابد. ارزیابی عملکرد الگوریتم پیشنهادی بر روی ثبت های پایگاه داده mit-bih arrhythmia مقادیر متوسط 100% se = و 100%pr = را برای داده های نرمال و 56/96%se = و 69/97%pr = را برای کل داده ها (با درنظر گرفتن ضربان های غیرنرمال) در تشخیص موج p نتیجه می دهد.