随着无线通信技术的快速发展,以及各种电子通信设备、智能电气设备、个人便携式终端等设备的迅速普及,各行各业都积极地将最新的技术与产业相结合并运用到实际生活中。在远程医疗监护系统中,生理参数采集终端获取的信息通常需要通过通信网络传输到远程监护中心。然而由于生活中电磁频谱环境变的愈发复杂,传播过程中的无线通信信号常常会受到外界的影响。因此常见无线通信信号的参数估计与模式识别、生物医学信号的自动诊断等技术的研究也逐渐成为研究的热点,同时也具有重要的现实意义。本文首先研究了远程医疗通信网络中典型的通信信号及常见的通信信号调制识别方法,并对常见的无线通信信号如Bluetooth、ZigBee、WiFi等进行了仿真研究,提出了一种基于平滑伪魏格纳分布的蓝牙信号参数估计与识别方法,实验证明了方法的有效性。然后基于频谱共存条件下混合信号模式识别的背景,研究了基于盲源分离的混合信号识别理论,提出了改进的快速独立分量分析算法和基于约束独立分量分析的混合频谱分离算法,并通过实验证明了算法的有效性。然后提取六种分离信号的高阶累积量特征,并构造了四个特征参数作为支持向量机(Support Vector Machine,SVM)分类器的输入特征向量,最后通过SVM分类器进行模式识别,实验结果表明了基于盲源分离的信号识别方法的实用性和有效性。最后研究了心电信号的模式识别技术,提出了基于极限学习机的心率失常自动诊断方法。为了准确分类,在预处理阶段采用了小波多尺度分解去噪,然后通过主成分分析进行数据降维;特征提取部分通过时域特征和自回归功率谱特征来构建联合分类特征集;最后通过极限学习机进行分类。并使用MIT-BIH心律失常数据库进行实验,对五种不同类型的信号进行分类,总平均分类准确率达到98.18%。实验结果证明了所提方法的有效性,适合应用于心率失常的自动诊断。