科技的飞速发展带动了全社会的进步,人们在追求物质生活丰富的同时也越来越关注自身的健康状况。由于空气污染和不良生活习惯等影响,各种慢性病发病人群已呈年轻化趋势,为满足人们想随时随地监测身体状况的需求,可穿戴设备应运而生。血氧饱和度和血压是反映人体生理机能的重要参数,对人体的生理健康(心血管、脑血管和循环系统)和心理健康(情绪和压力)具有重要价值。本文提出了一种基于心电和红外脉搏的可穿戴式血氧和血压监护系统,可实现对数据的采集、存储及传输。为了提高监护系统的可穿戴性,代替传统的把心电电极放置在胸部或腕部采集心电信号的配置方式,本文首先设计了系统的硬件部分,然后把设计好的心电电极和血氧脉搏传感器都集成到一个单臂带中,数据采集时将其佩戴于人体的左上臂。心电电极置于左上臂时采集到的心电信号幅度仅为置于胸部时的10%左右。为从微弱的上臂心电信号中有效识别出心跳,本文应用了一种机器学习框架,然后根据识别出的心电和脉搏信号的特征点计算出心率和脉搏波传导时间。通过与参考心率进行性能比较,表明本研究中心电电极的这种非标准单导联配置方法能有效替代传统的配置方法,不仅如此,其便携性和舒适性较传统方法也有较大改善。对于血氧模块,本文进行了定标实验,并对其测量数据进行线性回归分析,得到血氧饱和度的经验方程。此外,为提高血压估计模型的准确性和泛化能力,采用融合心率变量的血压估计模型,并与多种传统的血压估计模型的估计性能进行比较,通过误差分析和Bland-Altman可视化分析,说明了融合心率变量的血压估计模型具有更高的准确性和泛化能力。