随着社会经济发展和人们健康意识的提高,传统医疗设备已经不能满足人们对便携性日益增长的需求,便携式可穿戴健康医疗设备成为新的研究热点,实时、无创的监测使用者的生理参数对设备的功耗和体积都提出了更高要求。本文选择了心电信号作为研究对象,通过对ECG信号进行去噪、关键点信息提取等一系列操作达到对ECG信号进行数据压缩的目的,进而降低了射频模块的数据发送量,最终达到降低系统功耗的目的。本文通过对ECG信号的特点进行分析,提出了完整的解决方案。算法方面:基于小波的阈值收缩去噪算法用于去除运动伪迹和肌电干扰,并配合双二阶IIR滤波器去除工频干扰,通过去除第八层低频小波系数去除基线漂移。经验证算法在有效地消除了心电信号中的噪声的同时,较好地保护了心电信号中的特征点。动态极值对QRS波群检测算法通过SWT对ECG信号进行4层小波分解进行特征点提取,同时加入基于不应期的错检漏检算法,在保证算法可靠性的前提下降低了运算复杂度,其中R峰检测率接近100%。硬件实现方面:采用中科院微电子研究所提出的可编程可配置处理器硬件平台架构实现,以可配置处理算子完成信号处理算法中计算密集度高的共性操作,以可编程的ARM Cortex M0处理器内核完成相对不规则的运算,任务调度与控制、功能扩展和算法升级,从而达到极低功耗和高灵活性的最优化折中。同时采用了门控时钟、存储器数据复用等低功耗设计方法来降低系统功耗。逻辑功能通过验证,已采用SMIC130工艺完成了后端设计和版图实现。