非接触式生命体征监测系统是在不接触人身体的情况下监测生命体征信号。该系统可以实现隔着衣物、被子等障碍物实现远距离、非接触的监测人体的呼吸和心跳信号。可以用于对危重病人、具有传染性疾病的病人的临床监护,以及刚出生幼儿的家庭实时监护。避免了接触式系统的电极对身体的伤害和人为监护的间断性。本文主要是对非接触式生命体征监测系统的信号处理方法进行了相关的研究,针对传统的时频分析在信号处理中的不足之处,本文采用了经验模式分解(EMD)和加窗经验模式分解(WA-EMD)两个算法。经验模式分解(Empirical Mode Decomposition, EMD)可以自适应的把复杂信号按频率分解成有限个IMF分量。文章中主要对EMD算法基本的原理和算法的基本过程进行了介绍,并用该方法对呼吸、心跳信号进行分离,经过多次试验发现,EMD算法在呼吸和心跳信号分离问题上具有局限性,不能广泛应用于非接触式生命体征监测。由于EMD算法在处理生命体征信号中的局限性,文章又引用了加窗经验模式分解(WA-EMD)算法。加窗经验模式分解使用加窗求平均值的方法代替EMD中的三次样条插值,克服了EMD中的端点效应和模式混叠等弊端。经过多次的模拟仿真实验,证明了,在理论上WA-EMD算法能够从所采集到的原始信号中分离出呼吸和心跳信号,而且该方法的抗噪声性能良好。文章的最后对本系统的硬件方面进行了设计,并对WA-EMD算法的软件程序进行了编写。最终,基于TMS320C6713芯片的DSP平台对WA-EMD算法进行了仿真和调试。其结果表明该算法在处理呼吸、心跳信号方面是有效的和可行的。