在全球人口特别是老年人口持续增加,慢性疾病患者数量不断变大,医疗健康支出快速增长,医疗资源相对紧缺且分布不均衡背景下,有效地保证人口健康成为各国相关领域的研究热点。移动数字医疗是新世纪发展可行、经济人口健康工程的技术途径。利用人体传感器网络智能穿戴系统构建新型移动数字医疗体系能够加快医疗健康模式由治疗向预防转变,实现远程(居家)监护、医疗和保健。然而,智能穿戴系统要真正实现应用,在信号采集,节点能量效率,信息融合等方面依然存在挑战。论文针对穿戴式体征信息感知研究中存在的问题,以“感”、“传”和“知”为切入点,开展了穿戴式体征信号采集,资源受限的节点能量有效数据压缩技术,信号处理和信息融合技术等方面研究。主要研究工作包括了：(1)设计了穿戴式健康信号采集系统和单点低功耗心电节点。(2)基于积分-发放模型提出了用于无线心电节点能量有效的动态压缩算法。(3)提出了用于心电信号压缩感知的信息增强稀疏二值测量矩阵。(4)改进并提出了用于心电信号压缩感知恢复的先验块稀疏贝叶斯学习算法。(5)改进了频率切片小波变换。(6)提出了用于自动心拍分类的无监督特征提取方法和深度结构模型。论文取得进展包括了：使用与衣物结合的干性织物电极实现了穿戴心电测量；环形织物总线实现传感节点的有效组织,具有低功耗、传感器“即插即用”等优点；低功耗心电节点实现了体表单点心电测量,具有价格低、体积小、重量轻、低功耗等优点；用于心电传感器节点的动态压缩算法和基于数字压缩感知框架的体征信号压缩算法具有低计算复杂度,低资源消耗和低信号失真特点,能够减少无线传输数据量,提升节点能量效率,延长节点寿命；在心电信号PRD<9%条件下,采用动态压缩算法的MICAz节点寿命最大延长了76.3%；提出的信息增强的稀疏二值矩阵减小了恢复心电信号整体和兴趣区域的失真；先验块稀疏贝叶斯学习算法实现了高效非稀疏心电信号重构；压缩感知用于MICAz节点脉搏信号采集时,节点寿命延长了54.20%,恢复信号平均PRD为4.23%；最后,改进频率切片小波变换能够实现精确的信号成份时频定位；提出的无监督特征提取和深度结构模型方法高准确度地实现了正常(N)、室上性异位搏动(SVEB, S)、室性异位搏动(VEB.V)和融合心拍(F)四类心拍的自动分类,平均灵敏度为97.76%,g-mean为88.69%。论文研究成果进一步丰富了穿戴体征信息感知技术方面的研究,从技术层面为体征信息采集、慢性疾病连续长期监测、疾病早期预防、智能诊断评估提供了理论基础和技术支持。