心脑血管疾病突发性高、危害大、发病后有效救治时间短,准确的预测心脑血管疾病发病的时刻可以为心脑血管疾病的救治争取更多时间,降低心脑血管疾病造成的危害。传统的中长期心脑血管疾病预测手段无论是有创采集还是心电图监测,都需要借助复杂的临床仪器,正是因为如此传统的中长期心脑血管疾病预测存在预测过程繁琐、实时性差等不足。因此从心脑血管疾病发病前的心脑血管系统状态突变着手,构建心脑血管健康突发风险预测方法对中长期心脑血管疾病预测尤为重要。本文阐述了一种基于脉搏波的心脑血管健康突发风险预测方法。通过对比前后脉搏波特征参数的变化来识别脉搏波的突变程度,并根据得到的脉搏波突变程度来预测心脑血管健康突发风险的等级。针对突发风险预测过程中由于运动状态不同导致的脉搏波突变程度识别不准确的问题,引入三维姿态信息并将三维姿态信息中六轴加速度的均方根作为运动状态界定的依据,实现了多种运动状态下突发风险的独立预测。针对突发风险预测过程中脉搏波特征参数数量多、冗余大的问题,构建基于ReliefF-mRMR混合特征选择算法的突发风险预测模型,对脉搏波特征参数的原始子集进行特征选择,原始子集包含了3个与幅度信息相关的特征参数和3个与时间信息相关的特征参数。并依据所选择的脉搏波特征参数的特征权重来构建突发风险算子,通过突发风险算子识别脉搏波突变程度的大小进而预测突发风险的等级,减少了突发风险预测过程中所需的特征参数的数量和冗余。参照突发风险事件先兆心电图中的Q-T离散度,制定了突发风险评价标准。并进行突发风险预测实验来验证突发风险预测方法的有效性。在突发风险预测实验中,运动状态识别的准确率达到了100%,突发风险预测结果的整体准确率达到了88.89%,其中静坐、步行、跑步三种运动状态下突发风险预测结果的准确率分别达到了:91.67%、91.67%、83.33%。