可穿戴心电监测系统已经越来越多地用于心血管疾病患者(CVD)的临床观察,心电图(ECG)是心脏跳动时产生的电信号的量度,可以用于检测心脏内的特定异常情况,比如心律失常、冠心病以及高血压等常见临床症状。然而,ECG信号经常被各种噪声破坏,例如电源线干扰,运动伪迹,肌电干扰以及呼吸时产生的基线漂移等噪声。在穿戴者日常运动时,电极与皮肤之间的相对运动会产生的电极-皮肤阻抗信号,从而引起运动伪迹。这种噪声难以消除,因为它根据穿戴者的移动而变化,并且通常会落在与ECG信号本身相同的频谱中,幅值大,所以无法通过传统的滤波方法来去除。为改善心电信号的质量,抑制运动伪迹,提高信噪比和降低运算复杂度,本文进行了自适应消除算法改进。实验表明,本文中所提出的方法与传统的方法相比,提升效果显著,明显优于其他传统方法。本文的主要研究内容如下:1.针对传统滤波方法无法有效地抑制运动伪迹的问题,本文提出了一种基于单惯性传感的小波自适应消除方法。首先,使用自制的穿戴式织物胸带,用于心电信号和运动伪迹混合信号的采集,并以此作为自适应滤波器的主输入信号;然后,将单个惯性模块安装于胸部、左臂或右臂,来采集人体的运动信息,使用小波处理后,去掉不相关的噪声信息,将其作为自适应滤波器的参考输入信号;再使用自适应消除算法来处理信号;最后,实验结果证明,该方法可以有效的抑制运动伪迹噪声。并且,与传统的自适应滤波方法对比,所提出的方法效果更佳。2.考虑到单惯性传感器捕获穿戴胸带心电电极相对运动信息不足的问题,本文在单惯性方法的基础上进一步提出了一种基于多惯性传感融合的小波自适应消除方法,通过增加惯性传感可以更加准确地模拟和预测运动伪迹。这种方法先在身体不同部位安装惯性传感,然后在采集的运动信息中选取相关性最大的一路信号作为自适应消除算法的参考输入信号,并且通过小波多尺度分解提取相关性大的运动信息,进一步提高相关性,进而改善ECG波形。3.针对本文所提出的两种自适应消除方法进行测试和验证,并评估其性能。测试内容主要包括主客观评测与人体真实运动状态下的心电信号和运动信息采集测试,性能指标包括信噪比、均方差以及频率谱密度等。实验结果表明,本文中所提出的两种方法都可以有效的抑制动态心电信号中混杂的运动伪迹噪声。