本发明基于RR间期和多特征值的房颤分类方法，提取房颤信号的有效特征，属于信号处理领域。其特点在于包括以下步骤：1）进行心电信号RR间期的获取与分段；2）提取表征房颤段与非房颤段RR间期的特征向量；3）训练分类器模型用于预测输入样本标签。与现有的心电信号识别方法相比较，本发明从多角度对RR间期进行特征分析——离散程度、分布形态、复杂度，并且在各角度分析中选择较有效的参数进行特征表征，在MIT?BIH房颤数据库中实现了95.81%的灵敏度、96.48%的特异度和96.09%的准确率，在MIT?BIH窦性心律数据库中实现了95.16%的特异度，对实时分析处理房颤有着重要意义。