با توجه به میزان خطر و تاثیر آپنه در کیفیت زندگی افراد و احتمال بروز مشکلات جدی ناشی از آن، نیاز به توسعه ابزارهایی جهت تشخیص به موقع و زودرس این اختلال از اهمیت بالایی برخوردار است. تحقیقات حوزه علوم پزشکی نشان داده است که انسداد مسیر تنفسی بصورت تغییراتی در سیگنال های فیزیولوژیکی نظیر الکتروانسفالوگرام، الکتروکاردیوگرام و اکسیمتری انعکاس می یابد. سیگنال تک کاناله الکتروکاردیوگرام بعنوان ابزاری ارزان و قابل دسترس در تشخیص انواع بیماری ها شناخته شده است. بدین منظور ویژگی های حوزه زمان، فرکانس و آنالیز غیرخطی محاسبه می گردد. دادگان حاصل از این تکنیک بعنوان ابعاد بالا و همبستگی بسیار، حاوی افزونگی اطلاعات و اغتشاشات در نظر گرفته می شوند. چالش های اساسی تحقیق، ابعاد بالا و در نتیجه سرعت پایین، بعلاوه کاهش دقت به دلیل هبستگی بین داده های ورودی می باشد. پیش پردازش و اتخاذ روش انتخاب ویژگی مناسب در تفسیر صحیح ویژگی ها و حل چالش های آن نقش حیاتی برعهده دارد. در این تحقیق، ابتدا پیش پردازش موثر با اعمال فیلترهای مناسب جهت حذف خط زمینه و نویزهای محیطی معرفی شده است. تکنیک های تشخیص موج qrs، بعنوان مهم ترین مشخصه سیگنال الکتروکاردیوگرام بررسی و مقایسه گشتند. از بین آن ها دو روش مبتنی بر تبدیل موجک و الگوریتم زیلنبرگ انتخاب و پیاده سازی شدند. سیگنال های اولیه نرخ ضربان قلب، سیگنال تنفسی ناشی از قلب، سری دامنه موج r و تداخلات مایوگرام تنفسی استخراج گردید. در ادامه ویژگی های مختلفی از سیگنال های استخراجی اولیه بر روی مجوعه دادگان مرتبط با آپنه اجرا شدند. در این رساله الگوریتم های انتخاب ویژگی انفرادی طبق معیارهای فاصله باچاتاریا، فاصله ماهالانوبیس، آنتروپی و واگرایی و همچنین تکنیک های برداری مشتمل بر روش های پیش رو، پس رو، شناور، الگوریتم ژنتیک و بهینه سازی توده ذرات پیشنهاد گردید. کلیه الگوریتم های پیشنهادی قادر به استخراج ویژگی های بهینه با قدرت تفکیک پذیری بالا بوده و منجر به تشخیص کامل نمونه های سالم از بیمار هستند. نتایج حاکی از آن است که روش های پیشنهادی موفق به کشف 2 ویژگی بهینه با درصد تشخیص 100 % شده اند. در نهایت، روش های انتخاب ویژگی مطرح شده نشان دادند که کاهش بعد و بهره گیری از ویژگی های ساده منجر به عملکردی صحیح و دقیق حتی در کاربردهای بالینی می گردند