随着生活节奏的加快,不良的作息时间以及不健康的饮食习惯已经严重影响人们的身体健康,心血管疾病的发病率和患病人数呈现明显的上升趋势。血液粘度作为最重要的人体生理参数之一,在临床上常用于心血管疾病的病理诊断,对心血管疾病的预防和诊治有着重要的意义。本文基于光电容积脉搏波对血液粘度进行无创检测研究,是为了满足广大心血管疾病人群的健康检测需求。首先设计了硬件采集电路和滤波电路,在此基础上对光电容积脉搏波进行信号预处理,设计了FIR巴特沃斯滤波器和基于小波去噪算法,去除光电容积脉搏波的高频噪声和低频基线漂移。接着研究了光电容积脉搏波特征参数的提取方法,主要包括特征参数的选取和提取特征参数算法的研究。本文提出了一种基于Adam快批量梯度上升法提取光电容积脉搏波主波波峰波谷,此外还采用小波模极小值法提取复杂的重搏波波峰波谷,将上述提取方法与传统微分法进行分析比较,结果表明采用基于Adam快批量梯度上升法和小波模极小值法效果明显优于传统的微分法,能够有效提高提取精度。然后根据上述提取的光电容积脉搏波特征参数,计算人体生理参数如脉搏波波形特征量、血管顺应性、外周阻力等并组成矩阵。采用多元线性法、偏最小二乘法对血液粘度和人体生理参数进行拟合,获得血液粘度预测模型,提出了改进RBF神经网络算法构造人体生理参数-血液粘度预测模型。将真实血液粘度与预测模型预测结果进行分析,通过对比发现本文提出的改进RBF神经网络模型预测结果明显优于其他两种模型。最后通过实验对无创血液粘度检测系统进行验证,并将检测结果在上位机或云平台实时显示,验证了无创血液粘度检测系统的可行性。