本作品針對(duì)可穿戴設(shè)備健康監(jiān)測場景，提出了一種融合多模態(tài)特征與改進(jìn)BiLSTM的深度學(xué)習(xí)框架，實(shí)現(xiàn)活動(dòng)識(shí)別、MET值預(yù)測、睡眠階段分析和久坐預(yù)警四大核心功能。系統(tǒng)通過時(shí)域（均值、方差）和頻域（FFT、功率譜）特征提取，結(jié)合個(gè)體靜態(tài)數(shù)據(jù)（性別、年齡等），構(gòu)建多維特征表示；采用4層BiLSTM網(wǎng)絡(luò)捕捉時(shí)序依賴，引入多頭注意力機(jī)制強(qiáng)化關(guān)鍵片段識(shí)別，并通過多任務(wù)學(xué)習(xí)實(shí)現(xiàn)四類任務(wù)的協(xié)同優(yōu)化。實(shí)驗(yàn)表明，模型在20名志愿者數(shù)據(jù)上表現(xiàn)優(yōu)異：活動(dòng)識(shí)別準(zhǔn)確率顯著提升，MET預(yù)測誤差（MAE=0.5691）優(yōu)于傳統(tǒng)方法，睡眠分期與久坐檢測（支持分級(jí)預(yù)警）均達(dá)到實(shí)用水平。