心率是反映人体健康程度的重要指标之一。心率监测不仅可以减少心血管疾病带来的意外,而且对运动者有很好的利用价值。近年来,由于运动者心跳过快导致心跳骤停、猝死的现象时有发生,心率的监测能使运动者了解自己的身体状况及时控制好运动量。目前测量心率的方法主要有如下几种:一是通过压力传感器测到的波动计算心率,应用于临床医学;二是从心电图中获取心率波形,此方法精确且专业;三是使用光电容积脉搏波描记法测量心率变化。其中前两种方法多用于临床,虽然监测结果十分精确但监测方式较为复杂,且监测设备庞大、不宜随身携带。通过光电手段获取心率的方式受到越来越广泛的关注。本文设计了一种实时高效的心率提取方案。针对运动干扰的问题,本文提出了一种自适应滤波方法,利用三轴加速度计获取噪声相关信号,对信号进行预处理后采用加速度信号作为参考信号,依据运动状态动态获取自适应滤波器参数进行自适应滤波消噪,进而进行心率实时监测。主要研究工作如下:(1)在心率信号提取技术中,对人体运动进行检测,能够大致判断运动噪声的类型、大小、范围,对噪声的滤除效果有较大帮助。但是人体特征的变化性、多样性,使得系统在传感器的使用数目和穿戴的舒适性之间存在矛盾。如何在使用少量感知设备和处理设备的前提下,实现运动特征参数的方便而可靠、准确而无损的测量和处理,目前还处于研究阶段;本文利用单个三轴加速度传感器得到的X、Y、Z三个轴向上加速度信号,对时域、频域以及信息熵的方面进行信号特征分析,并利用主成分分析方法提取与运动识别最相关的25个特征元素,考虑到穿戴设备的续航能力,选择一种计算量较小的行为识别方法即决策树识别方法对运动识别。(2)人体特征具有多样性、复杂性,多个特征属性之间往往相互关联。当前研究中,往往单纯将健康监测系统应用环境限制在人体静止或休息的状态下,即便有针对运动状态下的检测,也会不可避免的存在一定的误差。本文对利用光电设备在手腕处采集到的光电容积脉搏波进行一系列预处理,提出一种改进的自适应滤波方法,对比各项参数分析,通过对收敛特性和跟踪系统未知变化能力的比较判断滤波器性能;根据识别运动状态的结果进而动态选择自适应滤波器参数,对运动噪声做出正确判断与抵消,这种方法根据监测对象所处的具体情景来为用户提供更准确、实时的监测服务。本文研究方法结果与医用监测仪有良好的一致性,通过决策树识别运动的方法虽不能达到对各类运动的最优识别率,但其相对简单的计算复杂度能更合理的达到穿戴设备低功耗高续航能力的要求,且本文提出的自适应算法与传统快速傅里叶方法相比具有较高的准确性。通过三种评价标准对结果分析,可知本文算法计算得到的心率更接近真实心率,绝对误差率能够控制在3.3%以内,在穿戴设备允许的误差范围内,可以利用本文方法进行无创实时的心率监测。