随着互联网和计算机网络技术的快速发展，人类进入了后PC时代。人们开始注重计算设备的便携性、个性化和智能化，要求计算设备具有某些专用功能并且易于使用。为了满足人们对计算设备提出的新要求，在消费电子、工业控制以及军工等领域已经广泛使用了嵌入式系统技术。　　 在消费电子领域，随着智能手机、平板电脑以及GPS等嵌入式计算设备的普及化，人们对移动计算应用提出了更高的要求，要求系统能感知用户的位置、时间、历史状态等上下文信息，并提供个性化的智能服务，传统的信息处理方法已经不能适应这些新的要求；在工业控制领域，检测技术和仪表是非常重要的，嵌入式系统技术的应用，使得仪表设计人员可以针对特定智能仪表的要求，合理剪裁软硬件，实现高集成度、低冗余和小型化。但是由于嵌入式智能仪表的可选模块种类繁多，接口不一，使用传统的信息处理方法计算量大，效率低下。因此，迫切需要引入一些智能、高效的处理方法来满足嵌入式系统设计和开发的新需求。　　 智能信息处理方法能够模拟人的智能，高效地处理不确定、海量和非线性的复杂信息，本文将人工智能与计算智能领域中的Petri网、模糊推理、专家系统、遗传算法、模拟退火算法等智能信息处理方法应用于上下文感知的嵌入式移动计算系统开发和嵌入式智能仪表设计中，使得嵌入式系统的设计和开发更加高效和智能化。在上下文感知的嵌入式移动计算系统中，上下文信息的表示方法和处理是两个重要的研究问题，本文开发了一个“上下文感知的嵌入式移动学习平台”，设计了一种基于XML的上下文信息本体描述方法，并给出了一种基于SCF的相似性测量方法。然后基于Petri网和模糊推理提出了一种模糊推理算法处理上下文信息，返回适合用户当前上下文的学习内容和手段，提供上下文感知的智能服务。在嵌入式智能仪表的设计中，本文建立了一个基于Web的仪表设计专家系统，使用本体描述语言构建了知识库，并将仪表设计归纳为组合优化问题，提出了导向性遗传算法解决该问题，该算法通过设定功耗、成本、精度等用户要求，引导搜索方向趋于用户偏好的区域。为解决遗传算法容易局部收敛的问题，本文进一步提出了一种模拟退火算法与遗传算法混合的优化方法，从而使得推理得到的仪表设计方案中的模块更具多样性。　　 研究结论表明，将智能信息处理方法应用在嵌入式系统的设计和开发中，可提高嵌入式系统产品设计的效率，能够为嵌入式系统应用提供更加个性化的智能服务。