可穿戴健康监测系统是可穿戴计算在医疗领域的典型应用，它将改变我国远程医疗和家庭保健医疗中终端用户传统的“被动”监测模式，实现低生理和心理负荷下人体生理信号自动、连续、动态地获取。国内外学者已在该研究领域做了大量的工作，然而现有的研究往往没有考虑实际应用中人体生理特征和运动状态相关联的特点，仅仅从生理数据就对用户的健康情况作出判断，缺乏当时的运动状态信息，造成一定程度的误判。因此将两者有效结合，研究基于人体运动状态识别的可穿戴健康监测系统具有重要的现实意义。本文依据用户活动自由的需要，设计可穿戴健康监测马甲以获取人体生理特征值和运动参数，并在运动状态实时识别的基础上对生理状态进行诊断，以提高日常运动环境下个人健康监测的准确性。论文主要从系统架构、人体运动状态识别、跌倒动作识别、系统能量管理策略这四个方面进行深入的研究。主要创新性研究成果如下：（1）提出基于人体运动状态识别的可穿戴健康监测系统架构。针对多种类型设备和多种传输方式共存的情况，建立基于Agent的系统架构模型，并对其通信协议、交互方式进行描述和定义。该架构独立于具体的硬件单元，便于系统的扩展和相关软件的配置和部署。（2）提出基于单个三轴加速度传感器的人体运动状态识别算法。根据人体日常活动具有短时持续性的特征，将其运动状态划分为稳定状态和非稳定状态。将三轴加速度矢量值转换为加速度幅值变化量，消除了传感器坐标系的佩戴相关性，使用卡尔曼滤波实时识别出稳定或非稳定状态；同时采用自适应阈值法对稳定状态时的跑步、走路动作进行识别。实验结果表明：该算法在状态识别方面达到较高的准确率；对于跑步、走路动作的识别准确率优于决策树识别算法。（3）提出一种基于单个三轴加速度传感器的危险性跌倒动作（相对一段时间不能自我恢复活动）识别算法。通过提取超重强度、持续失重时间、倾斜角度、持续静止时间为特征值，消除传感器坐标系的佩戴相关性并减少计算复杂性；根据运动状态动态调整传感器的重力参照值，提高测量准确度。实验结果表明：该算法的识别准确率优于一阶支持向量机算法和基于多轴向阈值的识别算法。（4）提出一种基于事件驱动的系统能量管理策略。为了解决移动终端持续感知情况下系统的能耗问题，建立事件模型：将人体正常情况下持续静止状态作为系统的休眠触发事件；将人体运动状态转换、生理特征异常作为系统的唤醒事件，采用事件触发机制，根据人体自身状态来自适应地调整系统工作周期。实验结果表明，该方法在保持系统实时性和准确性前提下，与不采用能量管理策略相比，节省约25%的电量。本文以人体运动状态识别为基础，结合可穿戴技术、信号处理技术、无线通信技术，使用加速度传感器、生物传感器、蓝牙模块、智能手机和后台服务器搭建“基于人体运动状态识别的可穿戴健康监测系统”。通过对志愿者的日常穿戴测试，系统在实现人体运动状态实时识别的基础上，对危险性跌倒动作和不同运动状态下的生理信号异常发出报警，并能根据用户状态采用能量管理策略节约系统能量，证明了基于人体运动状态识别的可穿戴健康监测架构的可靠性。