目前,心血管慢性疾病和运动性损伤开始成为导致人类残疾和死亡的重要原因,已经严重影响人们的生活质量和健康水平。可穿戴式检测技术具有便携、保护用户隐私等诸多优势,开始被研究用于监测人体生理信号和运动信息,并在紧急情况下为及时救护提供帮助。在可穿戴眼镜系统的基础上,论文设计了具有不同功能的生理信号分析和处理算法,论文的主要工作包括：基于对脉搏信号的干扰类型分析,脉搏信号预处理算法主要包括：采用带通滤波器对脉搏信号进行滤波,采用最小均方算法(Least Mean Square Algorithm, LMS)去除运动伪影,采用三次样条插值算法去除基线漂移。基于改进的极大值法计算脉率,主要包括主波波峰检测和滑动平均处理两个模块。首先,寻找极大值,确定极大值均值阈值法,设置相邻波峰最小间距差；其次,根据极大值均值阈值法寻找第一个主波波峰,利用最小间距差和极大值均值阈值法确定其后的主波波峰；若极大值不是主波波峰,则更新极大值平均值,然后利用主波波峰计算脉率,对各段脉率进行滑动平均处理。基于方差阈值法对日常生活动作进行识别,主要包括方差计算、阈值设置和加权判断三个模块。首先计算前后与竖直方向加速度信号的方差；其次设置站立、慢走、快走和跑步动作下的方差阈值,得出前后和竖直两方向的单轴识别结果；然后通过所设定两个加速度方向的加权系数求得最终的动作参数,得到综合识别结果。基于改进的峰值检测算法对有效步伐进行检测,主要包括加权滤波、峰值判断和步伐检测三个模块。首先,对采集到的加速度信号进行加权滤波；其次,设置修正因子以判断信号的波峰；最后,以原信号波形的差分判断第一个步伐,以相邻步伐之间[0.2s,2.0s]的时间差范围判断其他步伐。为验证所设计算法的正确性,设计了大量的实验,并在MATLAB平台上对采集的脉搏数据和加速度数据进行算法处理和算法验证。实验结果证明算法能实现脉搏信号去噪、脉率计算、动作识别和步数计算的功能。