در این پایان نامه روشی نوین مبتنی بر اطلاعات آماری مرتبه بالا برای تشخیص بیماری فلاتر دهلیزی به کمک سیگنال ecg ارائه شده است. از الگوریتم پن-تامپکینز برای شناسایی قله های r و سپس با توجه به موقعیت قله r، قله های s ،q و t شناسایی شده اند. برای استخراج ویژگی های اطلاعات آماری مرتبه بالا از سیگنال tq که نشان دهنده ی فعالیت های دهلیزی می¬باشد و بصورت دنباله ای از قطعه های tq برای نمونه¬¬های 20 ثانیه ای از داده ها می¬باشد استفاده شده است. بردار ویژگی شامل میانگین ارتفاع قله های t، میانگین قله های r و فاصله ی زمانی tq به عنوان ویژگی زمانی و کشیدگی، کمولانت و گشتاور ششم به عنوان ویژگی های آماری مرتبه بالا می¬باشد. به منظور توجیه ریاضی از توزیع مقدار حدی تعمیم یافته برای ارائه یک مدل آماری برای سیگنال های انتخابی استفاده شده است. برای دسته بندی از تحلیل توابع تفکیک استفاده شده است که دقت دسته بندی %98.81، اختصاصیت %100 و حساسیت %96.3 می باشد. نتایج الگوریتم ارائه شده در تشخیص بیماری فلاتر دهلیزی به کمک سیگنال ecg نسبت به الگوریتم های پیشین بهتر می باشد.