随着传感器技术的发展以及人们对健康需求的日益增加，基于可穿戴设备的健康监测技术得到快速发展。目前，人们对各类体征信号的健康监测技术均进行了广泛研究。其中，基于光电脉搏波信号的健康监测方法具有无创、便携性强和成本低等优势，在可穿戴心率监测领域被广泛使用。　　本文围绕远程心率监测技术、运动状态下心率监测、基于心率变异性的睡眠分析等，对脉搏波信号的采集与处理及心率估算方面做了深入研究。具体地，论文主要完成以下工作。　　首先，对心率监测技术进行了全面的研究，设计了一套远程心率监测系统。该系统所设计的无线脉搏波监测设备能够监测人体心率数据，并利用低功耗蓝牙将数据传输至Arduino网关;该网关能解析蓝牙信号中的心率数据，并利用以太网转发至远端服务器。针对可视化需求，设计了一款CS模式的心率监测APP。实测表明，该远程心率监测系统可用于室内环境下的远程心率监测，具有精度高、性能稳定等特点。　　然后，分析了脉搏波信号采集的原理以及运动状态下心率监测误差产生的原因，采用运动伪差消除与频谱分析相结合的方式完成运动状态下的心率监测。在运动伪差消除部分，通过奇异谱分析方法分解三轴加速度信号得出运动伪差参考信号;并利用多阶自适应滤波方法消除脉搏波信号中运动伪差成分。在频谱分析过程中，利用自适应阈值迭代方法提高频谱分辨率;通过峰值选择方法判断脉搏波频谱峰值点位置。仿真测试表明，提出的算法能有效减少运动伪差对脉搏波信号的干扰，估算的心率结果具有很高精度，算法具有很强的鲁棒性。　　最后，为研究心率数据的生理学意义，分析了睡眠分期与心率变异性数据的关系。基于MIT-BIH多导睡眠数据库中各睡眠分期的心率数据，从时域、频域角度进行心率变异性分析，并得出睡眠深度与心率变异性指标的变化关系。根据睡眠分期的周期变化与各分期心率变异性特性，设计了一款基于Android平台的睡眠分析软件。实测表明，该软件在分析心率变异性指标时具有较高精度，对睡眠分期的判断有较高精度。