实时心率值可以反映一个人当时的心脏活动能力,进而从侧面衡量人体的健康状态。医院中测量心率多采用心电图的方式,这在日常活动以及运动中是不便测量的。PPG(photoplethysmographic,光电描记法)脉搏波信号采用LED光源和探测器为基础,测量经过人体血管和组织反射、吸收后的衰减光,描记出血管的搏动状态并测量脉搏波。由于PPG信号获得简单,测量装置易于佩戴等特点,已经逐渐成为非医院条件下测量血氧、脉搏及心率的主要方法。运动中的PPG脉搏波信号由于受到运动伪差(motion artifact, MA)以及血管形变的干扰,从中计算出准确心率一直以来是一个研究难题。在对去噪算法进行深入调研与实现后,本文对比了它们在不同运动背景下的去噪能力,并提出了一种使用奇异值分解(Singular Value Decomposition, SVD)为基础,针对周期与非周期运动都适合的去噪流程。小波变换可以将PPG信号按频率分解为不同的小波系数,从中选择含有脉搏信号成分的小波系数并结合经验模态分解(Empirical Mode Decomposition,EMD)可以获得含运动伪差较少的PPG信号。自适应滤波是处理非稳态信号的一种常用方法,是通过不断迭代使得滤波信号与期望信号的误差最小,从而得到和期望信号较为接近的目标信号。自适应滤波器受收敛速度和稳态误差的影响,使用变步长的最小均方算法可有效的提升计算准确率。在选择参考信号上,通常以加速度信号作为参考进行自适应滤波。独立成分分析(Independent Component Correlation, ICA)是一种盲源信号分离的算法,可以从多路观测信号中分离出各自独立的信号源。通过双通道采样的PPG信号的ICA可以将运动伪差和PPG信号分离出来。SVD使用矩阵稀疏的方法将信号中的成分分解,根据分解后奇异值在对角矩阵中按由大到小排列的特性,选择和脉搏频率接近的分解信号重构成PPG信号。通过对真实采样的PPG信号进行以上方法去噪后,对比各种算法对PPG信号频域内脉搏波频率对应的谱峰的增益情况来衡量去噪能力的好坏,证明了SVD法的准确率最高。在心率计算上,本文使用频域内计算心率的谱峰追踪法(Spectral Peak Tracking, SPT)。SPT通过频谱上脉搏波频率对应的谱峰的特征计算实时心率,并以前一心率点为准修正当前心率点的位置。结合双通道采样的PPG信号,可以使用双通道谱峰追踪的方法(Dual-Spectral Peak Tracking, DSPT)代替原SPT法。这种方法结合了双通道PPG信号的特点,通过更紧密的谱峰判断条件提高了算法的容错率和准确度。在此基础上,通过观察滤波后PPG信号的频谱特点,发现谱峰的距离和谱峰的峰值存在密切联系,可利用贝叶斯决策定理改进谱峰选择的方法,并采用非对称平滑的方法辅助修正偏离正常心率变化范围的值,此方法称为DSPTB法。改进后的谱峰追踪法具有更高的准确性和更低的计算复杂度。为了验证本文使用算法的准确性,本文设计了非周期运动以及周期运动两种实验方案,采集了12个被试者在周期与非周期运动状态下各24组数据,并与网上数据库中的数据组成了完备的数据集。在分析了平均绝对误差、平均绝对误差百分比、相关系数以及Bland-Altman图后,证明了本文提出的自适应滤波或SVD+DSPTB算法流程在非周期与周期运动下都有较高的计算准确率。