可穿戴计算机是一种超微型、可穿戴的新型移动计算机设备,它能随时随地为使用者提供信息获取、交换和处理的能力。它不只是将计算机微型化和穿戴在身上,它还实现了人机的紧密结合,其除了具有计算和显示功能外,采用多通道传感器技术,结合计算功能以及信息融合技术可使穿戴者对于自身以及环境的感知能力得以增强,从而能够自主的做出相应,更加智能的与穿戴者进行交互。本文分析了可穿戴计算机以及人体各生理指标的特点,考虑到可穿戴计算机传感器信息融合的实时性需求,传感器时序数据的特点,以及生理数据的模糊性,提出了基于模糊动态贝叶斯网络的多传感器信息融合的方法。动态贝叶斯网络是根据多个时刻观测值对系统的各个时刻或某一时刻的状态进行评估,而模糊动态贝叶斯网络又考虑了观测值存在多个不确定状态的情况,适用于存在连续观测值时的定性推理问题。本文系统的研究了模糊动态贝叶斯网络构造方法以及推理算法,在模糊动态贝叶斯网络的一般推理公式的基础之上,把动态贝叶斯网络的前向后向算法以及邻接算法推广到模糊动态贝叶斯网络中,并且给出了基于模糊动态贝叶斯网络的多传感器信息融合框架和步骤。运用这种方法,本文针对两种生理状况(心源性休克和人体生理状态)的实时监测,分别建立了监测模型,通过在线推理,可以实现对多生理传感器信息进行实时融合,对融合目标所处状态进行评估。仿真测试的结果证实了监测模型以及推理算法的有效性和实用性,并且该方法可以有效的滤除传感器瞬时故障所造成的影响,通过概率曲线的分析还可以及时获取人体生理状况变化的趋势。最后本文基于FDBN所建立的监测模型,利用各织物生理传感器获取数据,在高性能嵌入式系统以及对应的监测端服务器之上,设计并实现了穿戴式人体健康监测系统。通过实验,该原型系统能够实现基本的生理数据显示,以及对生理状态的自动评估功能,从而初步实现了基于可穿戴计算机的人体健康远程监测。