由于血氧脉搏信号在测量过程中不可避免的受到各种噪声的干扰,尤其是运动伪差噪声,它是由病人身体运动造成的,无法正确反映病人实际血氧浓度的情况。运动伪差所引起的干扰频率很低,常与血氧脉搏信号的频谱发生重叠,因此,传统的滤波器无法进行处理。针对这种强背景噪声下的脉搏信号,本文提出了一种基于小波的经验模态分解去噪方法,使噪声和信号得到了有效的分离。论文首先对含不同噪声的脉搏信号的功率谱做了理论分析,给出了信号和噪声的谱分布;其次,利用现代信号处理技术研究了脉搏信号处理算法,分析比较了小波变换的几种去噪方法和经验模态分解去噪方法在脉搏信号去噪中的优点和缺点,并且结合它们的优点提出了基于小波的经验模态分解去噪算法;然后将本文提出的方法分别与小波去噪方法和经验模态分解去噪方法进行了定性和定量的对比,并且分析了不同参数对新方法的影响,找到了适合新方法的最佳参数;最后通过对6组不同的实际测量数据用本文提出的新方法做了验证。结果证明本文提出的方法有效的抑制了噪声。本算法弥补了硬件滤波不足的缺陷,具有创新性,在强背景噪声干扰下,准确提取了脉搏信号的时域特征点,为计算脉率和血氧饱和度提供了有效的途径。