为解决传统云端健康监测在实时性、数据隐私与网络依赖性方面的挑战，本文研究并开发了一套基于边缘计算的可穿戴设备实时健康监 测与预警系统。该系统整合了多传感器可穿戴设备、边缘智能网关与云端协同平台，构建了一个分层式的数据处理与分析架构。在边缘侧，系统通过轻 量级信号预处理与特征提取算法，实现了对心率、血氧、体温及活动状态等多维生理参数的即时分析。利用部署在边缘网关的机器学习模型，系统能够 快速识别心律失常、跌倒等急性健康风险并触发本地预警。云端则负责复杂模型的训练、个性化健康档案的长期维护以及对边缘模型的迭代优化。测试 结果表明，该系统能够显著降低数据处理延迟，有效保护用户隐私，并在保证高预警准确率的前提下，降低了对网络带宽的消耗，为实现普适化、智能 化的个人健康管理提供了可行的技术方案。 【关键词】边缘计算；可穿戴设备；实时预警