糖尿病因其病情漫长且并发症多,每年消耗着大量的公共卫生资源,已经成为了世界众多国家不得不重视的公共健康问题。血糖水平的日常检监测是糖尿病患者辅助治疗和减少或延缓并发症发生的重要途径。同时由于有创血糖检测技术不能实现连续检测和会出现忽略血糖峰值等问题,无创血糖检测技术成为诸多研究机构的研究重点。受前人的研究启发,本文使用舒糖讯息科技(深圳)有限公司自主研发的智能手环,连续两周在5名志愿者一日三餐的餐前一小时和餐后一小时采集其PPG和ECG信号和其他仪器测量的血压舒张压、收缩压、心率、呼吸率、血氧值五项指标等指标,同时使用有创方式获取他们的参考血糖值;改进了信号预处理方法,利用经验模态分解对采集的PPG信号和ECG信号进行基线去除,然后使用奇异谱分析算法对这些信号进行去噪处理,最后分别对PPG信号和ECG信号提取特征;本文还结合四种机器学习算法弹性网络、自适应增强算法、XGBoost和LightGBM对个人、多人进行单模型建模,同时还使用了机器学习算法中的集成算法,通过结合这四种算法来进一步提高算法的预测准确度。本文最后通过对比实验显示,基于个人建模的模型预测准确度明显优于基于多人建模的模型预测准确度。而集成模型结构由于结合了多个模型的预测效果,因此的准确度要优于单模型结构。无论是基于个人建模的集成模型还是基于多人建模的集成模型,克拉克网格图A区点数都能达到80%以上。