随着人民的生活水平日益提高,人们的关注点从外在物质生活上转到了身体健康上,智能穿戴设备应运而生。智能可穿戴设备是指将传感器结合为人身体的一部分,实时监测身体状况,为每个人提供个性化、专属的服务。医疗可穿戴设备中有很大一部分传感器是由高分子柔性应变传感器构成的。这类传感器在使用过程中存在较大的迟滞现象,影响传感器的精度与后续数据处理的准确性。针对传感器具有的迟滞非线性问题,本文结合一类不对称的模型算子,构建柔性传感器的迟滞逆模型,在此基础上对传感器进行前馈补偿研究。实验结果表明,将该方法应用到一种基于碳黑/聚氨酯复合材料的柔性应变传感器中,能够很好地补偿柔性传感器在长期使用过程中的迟滞非线性,传感器输出的均方根误差下降92.93%,与传统构建模型方法相比,均方根误差下降52.38%。此外,基于信息安全与用户隐私的考虑,研究了对传感器采集的信号先进行加密,在进行分类的方法,实现采集信息的同态加密分析处理。主要采用深度卷积神经网络对加密后的信号进行分类。实验显示,采用高级加密标准AES算法对心电信号加密,搭建11层的卷积神经网络对加密后的心电信号进行分类,在心电信号样本充足的条件下,准确度可以达到88.7%以上。