心电图（ECG）是非侵入性诊断心血管疾病的重要方法。然而，心电图信号容易受到噪声污染的影响，例如电磁干扰或信号漂移，这会降低诊断的准确性。尽管已经提出了多种心电图去噪方法，但大多数现有方法在非常嘈杂的条件下表现不佳，或者在推理过程中需要多个步骤，导致在线处理时出现延迟。本文提出了一种新的心电图去噪模型——基于Mamba架构的心电图增强器（MECG-E），该模型利用了Mamba架构在快速推理和卓越非线性映射能力方面的优势。实验结果表明，在不同噪声条件下，MECG-E在多个指标上均优于几种知名的现有模型。此外，与最先进的扩散型心电图去噪器相比，MECG-E所需的推理时间更短，展示了该模型的功能性和高效性。