糖尿病是世界三大慢性病之一,据糖尿病全球联盟(IDF)、世卫组织等机构的公开数据显示,全球患有糖尿病的成年人已经达到了4.22亿之多,中国患病人数居世界所有国家首位。糖尿病患者需要经常检查自身血糖浓度并且通过注射胰岛素、吃降糖药、改善饮食等方式维持血糖稳定。而现有的测量血糖的方式大多是通过采集指尖血的方式测量,虽然精准度高,但其缺点在于感染风险大、无法频繁检测、难以观察血糖变化趋势等。市场上有微创测量产品,是使用尖锐的小针或激光引脚刺入手指或身体的其他部位来获得间质液(组织液等)用于血糖测量的,微创检测不像传统手指采血那样痛苦,但是利用间质液进行血糖检测具有滞后性,在低血糖及高血糖的时候尤其危险,且仍有感染风险。无创血糖检测由于其无创伤、可连续检测、可观察血糖变化趋势等应用前景,一直是学术界的研究热点。全球的研发队伍,在过去二十年里不断寻找无创检测血糖的方法,发展至今国内外出现了多种检测技术。但是无创血糖的难度涉及数据采集、数据处理、计算方法等种种限制,至今没有出现一个技术可以高精度地无创测量血糖且实现产品化。本文基于过往研究的结果,利用舒糖讯息科技(深圳)有限公司提供的原型机,可以同步采集PPG及ECG信号;改进了信号预处理方法,利用经验模式分解方法以及基于本征模态函数的奇异谱分析方法,改善了被量化误差以及环境噪声污染的信号的质量,使之可以较容易地计算出PWTT;采用优化的方法选取特征向量,并采用超限学习机,卷积神经网络以及分数阶系统的方法对血糖进行检测,并且提出了对三种方法中一些参数的优化选择方法。通过采集17个检测对象(包括14名糖尿病患者)一共436组数据,并根据血糖浓度将数据分成6个等级(C1-C6),通过混合建模、个人建模、选用不同数据量建模等方式设计了3组实验。实验结果表明,对个人建模的准确性要极大的优于混合建模的准确性,建模使用数据量较多(10组以上数据)可以较大程度的提高检测的正确率,三种方法都达到了较准确的实验室计算结果(准确率85%以上),其中基于超限学习机的计算结果达到了91%的准确率,为无创血糖的检测技术产品化提供了选择。