随着时代的发展进步，人类知识结构更新，审美观念转变，对生活品质的要求也与时俱进。利用心电图等有关心电活动的曲线和图形资料为临床提供诊断信息，是心血管病不可缺少的检查诊断方法。心电是一种生物电，而生物电是生命最重要的特征之一。将智能可穿戴技术应用于心脏疾病监护领域，不仅能够实现生理健康指标的实时监测，而且还具有良好的社会经济效益。　　本文重点讨论使用电势集成电路(EPIC)传感器构建可穿戴的心电图信号(ECG)信号采集与处理技术，然后讨论使用ECG数据库建立心电图模板，通过模式识别进行心脏疾病分类预警技术。　　在可穿戴式ECG信号获取子系统的研究方面。结合对EPIC传感器特点的分析，讨论 EPIC传感器的电路设计，包括滤波电路、一级放大电路、信号差分电路和共模信号抑制电路和偏置电路设计。　　在数字信号处理与无线通信子系统的研究方面，首先学习研究 MSP430 Launchpad开发板的微控制器与模数转换电路的应用，实现将模拟信号转化为数字信号。然后在短距离无线通信技术方面，学习研究低功耗蓝牙技术，并通过实现低功耗蓝牙模块与个人计算机的通信，将数字信号传输至个人计算机。最后基于图形化语言LabVIEW，编写结果显示方案与人机交互界面。　　在ECG模式识别分类子系统的研究方面，首先论述如何利用基于模糊粒度的K-均值算法，以MITBIH数据库为基础，建立基于心电图模板实时预警系统。并利用实际测得的心电信号数据验证系统的功能，实验结果表明模糊粒度 K-均值算法满足实时预警系统的要求，总体预测准确度可达到95％以上。　　在未来进一步的研究中，将着重研究基于移动终端平台的系统搭建，研究更具实际应用价值的数据库和更加高效的模式识别算法。