技术的不断进步为人们提供了新的手段去监测人体的生理状况，由此产生了体域网(Body Area Network，BAN)。体域网的研究目的是设计出能够采集人体生理和运动信息的无线传感器网络，从而随时随地监护人体的健康状况。体域网能够测量的生物医学信号包括心电图(electrocardiogram，ECG)、光电容积脉搏波(photoplethymorgraphy，PPG)、体温、血压、血糖以及人体的运动信息。当前研究中的大多数体域网系统中，心电信号都是一个基本参数，因此对体域网中心电信号的分析处理十分重要。在生物医学信号处理中，对心电图所含的信息的挖掘是最深入的。　　 本文设计了基于体域网的可穿戴式动态心电信号采集系统。该系统由信号采集节点和网关节点组成。信号采集节点负责采集信号（心电信号和加速度信号），并将信号传送到网关节点。网关节点负责数据的分析、显示和存储，并可将数据传送到电脑上进行分析处理。节点之间的数据通信采用ZigBee无线传输，这种方式扩大了监护对象的活动范围。为了使设备尽可能长时间的工作，节点设计时选用的芯片均具有低功耗特性，处理核心为以低功耗见长的MSP430单片机。　　 采集到心电信号后，本文对心电信号的预处理和特征波群检测进行了研究。动态心电信号会包含一些噪声，如工频干扰、基线漂移和运动伪差。这些噪声会对心电信号进行一定的扭曲，妨碍了对心电图的解读，因此进行特征波群检测前需要对含噪心电信号进行预处理。本文采用平滑滤波去除信号中的工频干扰，采用数学形态学方法去除信号中的基线漂移，采用自适应滤波方法去除信号中的运动伪差。仿真和实验结果表明，本文采用的滤波算法运算简单，滤波效果好，适于在体域网中使用。对心电信号进行预处理后接着进行特征波群的检测，主要是检测心电信号中的QRS波群、P波和T波的位置。采用小波变换对信号进行分解，在3尺度上检测模极大值对之间过零点的方法得到R波位置。在R波前后一定窗口内进行极值点的搜索可得到P波和T波的位置。采用本文的方法对QRS波群的检出正确率可达99％以上。