随着医疗技术和嵌入式技术的发展与进步，家庭健康监护系统的使用逐渐普及。家庭健康监护系统是缓解目前老年人对有限的公共健康服务基础设施依赖，并为其提供更为长期有效的监护的重要技术成果。通过在家庭环境中建立微型监护网络，可以为个体独立生活能力的鉴定提供重要参考，也为治疗手段的疗效评估提供可靠的依据。然而，新的应用带来新的研究课题，即如何进行实时有效的日常监护。本文针对监护系统的实际需求，对日常行为量化分析的一些研究领域做了探讨。首先，为保证用户在监护过程中可以自由行动，系统将采用轻型便携式同时具备无线通信功能的设备。其中，加速度传感器作为监护系统的数据采集部件。其高稳定性及微型低功耗等方面的性能，使其非常适合于集成在轻型便携式家庭监护系统中，同时可以为个体移动提供许多理想的特征参考量。监护系统所需的无线通信功能将由IEEE 802.15.4协议提供支持，以确保系统的运行结果可以可靠地传递给外部设备。为了进一步优化监护系统的运行效率，加速度传感器数据处理流程被划分为数据预处理和动作分类器两大模块，其核心为动作分类器的设计。数据预处理主要包括数据分段以及低通滤波两部分，主要对动作分类模块的正常运行起到辅助作用。作为监护系统核心，动作分类器采用分层决策树设计框架，建立移动监护中对日常动作的分类判别算法。考虑到之前对个体运动的研究大多采用后台数据处理机制，无法满足实时监护的需求，本文所提出的动作分类算法可运行于可携带传感器节点，由嵌入式传感器设备进行实时信号处理，对个体处于静止和运动状态以及个体的姿势进行区分。系统所涉及的待测日常动作主要包括站立、坐、平躺、起身及落座等等，同时能够完成对诸如行走、跌倒等事件的检测。