随着人民生活水平的提高,人类平均寿命普遍延长,人口老龄化日益明显。提高老年人健康生活质量是今后卫生工作重点。远程健康监护是我国近十年来蓬勃发展起来的课题,它与医学、信息科学、计算机、网络与通信等密切相关,是社会发展的必然需求。国内外学者已对监护系统做了大量的工作,并且已经提出了许多监护信息处理方法。然而在实际应用中,传统的监护信息处理方法,大多都存在各自的缺陷或受到适用条件的限制。随着社会的进步,希望所开发的监护系统具有更准确更综合的功能。因此,研究远程健康监护系统监护信息分析处理方法具有重要的现实意义和推广价值。本文在对监护信息的特点及相关的技术进行了分析,以及国内外研究现状进行分析研究的基础上,提出了远程健康监护系统中监护信息数据分析方法。针对监护过程所采集的海量数据,采用小波分析、神经网络、支持向量机等数据挖掘技术对用户的多生理参数进行分析处理,消除冗余数据,对影响分析的异常数据进行识别处理,采用预报技术实现监护信息的预报。本文的主要工作和贡献有以下几方面：1.提出了对监护信息去除干扰信号的处理方法。由于监护信号常受到如噪声、伪迹的干扰,造成监护信号参数的估值错误,从而导致监护仪错误报警。由于小波变换能有效的抑制监护对象参数中所含的噪声和干扰信号,对微弱的噪声等干扰信息,本文提出基于改进阀值的小波变换对其进行处理；对噪声等干扰信号较强的,采用小波变换和Hampel相结合的方法降噪,并分别与采用传统小波阀值去噪方法进行对比实验,结果表明所提出的降噪方法能达到较好的效果,以提高诊断报警的准确性和有效性。2.提出了远程健康监护系统的监护信息异常值识别处理方法。对多种处理异常值的方法进行研究,针对监护信息异常值识别问题,提出了利用改进统计量的假设检验方法与基于Kalman滤波的AR(p)模型的缺失值重构的监护信息异常值识别处理方法,首先采用改进统计量的假设检验方法识别出监护数据中可能的异常值,并将可能的异常点进行直接删除处理。然后视已删除的异常点为缺失值,采用基于Kalman滤波算法的AR(p)模型对缺失值进行预测,以该时刻的预测值添补缺失值,为下一步的准确预报做准备。3.为实现监护系统的报警功能,建立了基于小波分解与最小二乘支持向量回归机的监护信息综合预报模型。首先对监护信息进行小波分解,得到各分解层序列；然后对各分解层序列应用最小二乘支持向量回归机对各序列进行回归预测,最后对各序列预测结果进行叠加,实现监护信息的预报。同时采用PSO寻参方法对最小二乘支持向量机进行参数寻优,对提出的方法进行了实验验证,并与其他预报方法进行对比,证明所提出的方法能取得较好的预报结果。4.研制了智能远程健康监护系统实验平台。给出了智能远程健康监护系统的总体结构、硬件平台及系统的软件设计,利用Windows NT操作系统,SQL Server 2000数据库,Windows visual studio.net 2005为工具开发了智能远程健康监护系统软件,实验结果表明健康监护系统能有效的降低噪声干扰,对异常值进行识别处理并对监护信息进行预报,进一步证实了提出的方法的有效性。