随着可穿戴设备的飞速发展,越来越多的人会在日常生活中佩戴并使用可穿戴设备,一个或多个可穿戴设备例如智能手表、智能手环等逐渐出现在人们的日常生活中。基于可穿戴设备的高可用、高精度的手臂运动实时监测系统非常契合人们的日常生活场景,例如运动姿势矫正,车辆驾驶安全监督,使用VR设备手势跟踪等。利用可穿戴设备基于惯性传感器（Inertial measurement unit,IMU）对人们进行运动监测的相关研究载在不断进步,同时也面临巨大挑战。如何使用单个商用可穿戴设备追踪人们的运动状态是一项难题。本文旨在研究一种面向智能终端的手臂运动实时监测方法,使用人们日常生活中使用的智能手机与智能手表设备,在不增加人们使用成本的前提下,对人们手臂的运动进行高精度的实时监测。本文针对三个关键问题展开研究:基于单个可穿戴设备的手臂运动实时监测,基于调频连续波（Frequency-Modulated Continuous Wave,FMCW）波的高精度超声测距以及基于IMU与超声波混合的实时运动监测。基于单个可穿戴设备的实时运动监测方法首先通过用户佩戴的可穿戴设备获取用户运动时手腕的姿态与加速度信息,将数据进行预处理,将预处理后的数据输入到的点云查询模块中,查询瞬时姿态对应的点云数据。基于隐马尔可夫模型（Hidden Morkov Model,HMM）的预测算法,将加速度作为观测状态,对用户腕关节位置做出预测。此外,通过对点云数据大小的控制压缩以及优化点云查询效率,通过对预测算法使用用户的运动速度做进一步约束,使其能够满足实时性的要求。根据腕关节位置,再结合手腕姿态信息求解肘关节位置,最终输出两个关节点的位置坐标,实现对手臂运动的实时监测。基于FMCW波双发双收的超声测距方法主要基于两个设备之间信号传递的时间差来计算设备间的相对距离。高精度的音频测距主要依赖信号传递时间差的测量精度,而时间差的测量受到设备时钟偏移,系统延迟,设备间的时钟误差影响。本文提出一种基于FMCW波的超声测距方法,采用手机与手表双发双收的策略,抵消设备的时钟偏移误差,消除两台设备之间的时钟同步问题以及系统延时问题,并对收发音频信号时可能存在的多径效应,多普勒频移,信号失真做出相应补偿,提高测距精度。此外,使用人耳听不见的超声频段,降低对用户日常生活造成的干扰,最终实现高精度高可用的实时超声测距。基于IMU与超声波混合的实时运动监测方法,将基于单个可穿戴设备预测关节点位置的方法与基于FMCW波双发双收的超声测距方法相结合,通过超声测量运动时手机与手表的相对位置关系,对运动中点云的范围进行约束。本文提出一种基于HMM-EKF的运动监测方法,通过手腕姿态与加速度信息进行位置预测的基础上,引入手机与手表的相对位置关系,进一步减小HMM中的点云状态空间,提高运算性能,通过扩展卡尔曼滤波器（Extended Kalman Filter,EKF）将HMM中腕关节预测位置与超声测距值相结合对腕关节的位置进行更新,减小监测误差。此外,本文基于肩部关节点的运动特征,通过非线性优化的方法,在用户身体躯干保持稳定的情况下,对肩关节的位置做出估计,从而实现对肩、肘、腕三个关节的实时运动监测。最后,本文通过大量的理论分析以及相关实验验证了各个研究方向的可行性与有效性。