移动医疗是新兴学科。它综合了多种学科与技术领域发展的成果,在医疗模式变革的背景下正得到广泛的关注和发展。从移动医疗的基础设施——医疗电子和通讯技术,到移动医疗的上层建筑——用于临床决策的智能诊断算法和健康模式分类方法,移动医疗技术在个人健康监护领域得到越来越多的应用,从而方便使用者获知自身的生理状态,实现自助式识别和诊断。但是,另一方面,人体生理信号的深入分析和特征识别的理论方法还很不完善。对于一些慢性疾病,目前缺少有效的移动医疗系统和算法能够做出理想的疾病模式分析和健康监护,一定程度上制约了移动医疗的发展。本文采用信号处理与模式识别的方法,把脉搏信号和脑电信号作为研究对象,提出了一种新的生理信号分析范式和移动医疗解决方案。首先,对一类典型心血管疾病患者的脉搏信号进行分析,验证了频谱特征在时域上的稳定性,挖掘脉搏信号频域中蕴含的疾病特征,探索心血管疾病的无创诊断新方法；然后,基于脑电信号来评价人脑活动程度,进行麻醉监护。从脑电信号中提取了时频域以及非线性动力学参数,采用多元线性回归和ARX模型来建立麻醉深度计算模型,脑电双频谱指数(BIS)作为评价指标,来调整模型结构和参数。仿真和临床数据验证了该方法的有效性。最后,本文提出了一种基于智能手机的移动医疗模式,以脉搏信号和脑电信号为例,开发一套基于Android智能手机的移动医疗平台。实现了对生理信号的实时采集、无线传输和智能分析。基于网络通信功能,提出了一种自组织医疗信息共享网络。该模式下,智能手机不仅能完成移动医疗系统中的生理信号采集、传输,而且能够进行智能分析,做出健康状况模式分类。该模式有效地促进了移动医疗系统的个人应用和医疗信息的扁平化。