日常活动监护是老年人监护工作中一个非常重要的方面。老年人由于年龄的增加，应变能力变差，行动能力受限，活动量偏少、容易跌倒、睡眠紊乱，常常是心脏病、高血压、糖尿病等病症的高发人群。对老年人的日常活动进行监测可以及时了解老人的身体状况，采取相应的救助措施。在这一研究背景下，本文重点针对日常活动分类、能耗估算、跌倒检测、睡眠质量评估四个方面的算法进行研究。　　本文采用两种方法对日常的躺、站、坐、走、跑等活动进行分类。第一种方法对加速度几何特征进行分析，将加速度信号按阈值分段，建立分类树，利用几何特征对涉及的日常活动进行分类，总体识别率达94.1176％，其中对于跑的识别率为80％。第二种方法在实时分析的基础上，采用椭圆滤波器分离出重力加速度，分别对重力加速度和运动加速度设定阈值，识别出其中的躺和坐、站；对于走和跑，通过提取特定频段内的傅里叶系数，建立bp神经网络进行识别。该方法中对于跑的识别率为90％。　　日常活动所行步数与活动能耗之间存在线性关系，利用这一线性关系可以对活动能耗进行估算。本文重点对能耗估算方法中的计步算法进行研究。在对竖直方向加速度分量进行校正的基础上，给出了两种计步算法：一种是基于时域特征的检峰法，计步准确率为97.94％；另一种是基于离散小波分析的计步方法，该方法的计步准确率高达98.75％。　　跌倒检测研究中，本文针对老人日常活动中发生率较高的前向跌倒进行检测。在对前向跌倒信号进行充分分析的基础上，重点针对几种易与前向跌倒混淆的活动(走、跑、坐到躺)，提出了基于加速度波形特征的跌倒检测方法，该跌倒检测算法的识别率为99.58％。　　睡眠质量分析中，本文介绍了基于睡眠体动检测的睡眠质量分析方法，通过监测睡眠时的体动情况来获得睡眠和觉醒时间，重点对睡眠时的翻身次数进行检测，准确率达99.375％。