健康的身体离不开平衡的饮食,监控每日所摄入的食物很有必要。这不仅利于及时调整摄入食物的种类和数量,也便于进行营养流行病学研究。但传统的饮食监测方法主要靠用户的自我报告,这种方式既不方便也不准确。针对以非侵入性方式自动准确监测摄入饮食的难题,本文提出一种基于肌电（electromyography,EMG）和肌阻抗（electrical impedance myography,EIM）的吞咽信号同步测量方法,建立吞咽信号与摄入饮食的关系。首先,阐述饮食监测方法的研究现状,指出其存在的问题。阐明吞咽与饮食的关系,概述目前吞咽监测技术的种类及测量方法原理。对吞咽过程进行简介,分析肌电信号和肌阻抗信号在吞咽时的变化及受到的干扰,给出肌电信号和肌阻抗信号的同步测量方法。介绍常用的抗干扰方法和分类方案。其次,对最小均方（least mean square,LMS）自适应滤波算法以及自适应陷波器原理进行详细说明。针对吞咽过程中存在的干扰问题,提出一种变步长LMS自适应陷波去噪方法,并对该方法进行仿真研究和实际应用,证明该方法在吞咽信号监测中的优越性。对循环神经网络进行简要介绍,重点阐明长短期记忆（long short-term memory,LSTM）单元和门控循环单元（gated recurrent unit,GRU）的门控原理,解释GRU神经网络处理吞咽信号的优势。同时给出吞咽信号的GRU神经网络分类识别模型,以此来建立吞咽信号和摄入饮食的关系。然后,设计一款基于肌电和肌阻抗同步测量的吞咽信号采集装置,能利用一对电极同时监测肌电信号和肌阻抗信号。装置主要分为同步采样模拟前端、主控模块、数据传输模块和电源模块。详细介绍模拟采样前端中阻抗信号的调制解调原理和同步采样的具体实现方法,给出本文装置的嵌入式软件开发流程和上位机开发流程。最后,通过志愿者的实际测试证明本文提出方法的准确性:基于单一肌电信号的识别准确率为82.7%,基于单一肌阻抗信号的识别准确率为85.7%,两者结合的识别准确率达到95.6%。研究结果对饮食监测技术的发展与应用具有重要意义。