糖尿病作为一种终身性的慢性疾病,给个人精神和社会经济造成了巨大的负担。其能够引发一系列严重的并发症甚至威胁到生命。目前尚没有治愈糖尿病的有效手段,只能通过频繁的监测来控制血糖水平。以往的检测方法以指尖穿刺获取血液样本为主,这对患者来说不仅疼痛而且极易感染。随着可穿戴设备、物联网、人工智能技术的不断突破使得智慧医疗平台建设有了强有力的支撑,同时为实现无创血糖监测的实现提供了技术背景和可行性。但是无创血糖监测仍然面临着成本高昂、响应时间长、不宜携带等诸多问题。本文针对上述不足并结合国内外研究基础之上,对无创血糖监测算法进行研究并设计开发用于家庭护理的监测系统,主要工作如下。首先,本文针对采集到的数据提出视频饱和度参数评价方法以评估视频的可用性,并提出PPG信号提取算法从视频帧的红色通道中计算信号值。设计合适的巴特沃斯低通滤波器去除信号中的高频成分,实验结果表明原始PPG信号在进行滤波之后波形更加平滑同时波形特征相对明显。其次,针对于现有方法不适用于保留原始生理或者病理特征同时去除基线漂移的连续信号,提出基于拟合的滑动窗口算法。此算法不依赖于时间序列,通过分析连续PPG信号的主频获得信号的周期,进而确定合适的滑动窗口大小。利用所设计的校正机准确定位真实波谷,结合三次样条拟合函数模拟出连续PPG信号的基线。基于拟合的滑动窗口算法实现了基线漂移的有效去除,同时将连续信号准确的划分为单个周期。该算法执行效率高,适用于实时响应的无创血糖监测系统。再次,为了提取出与血糖相关的特征,提出基于高斯拟合的特征提取方法。通过两个正高斯函数对原始单周期PPG信号建模,采用统计学方法分析在不同血糖水平下高斯特征参数的微小差异。结合血液动力学知识对差异产生的原因进行推理说明,并在现有的理论研究的基础上,从中提取出22个特征用于后续分析。最后,利用所提取的特征,训练二分类模型用于无效样本的识别和去除,测试准确率达到97.54%。同时训练三分类模型用于血糖等级的划分,测试准确率达到81.49%。设计和开发基于智能手机的无创血糖监测,实现手机数据和结果获取,云端进行处理的实时反馈系统。以40个未参与模型训练的受试者作为临床个体进行测试,其中对预警血糖水平的患者识别率达到90%,同时在设定的可靠监测方案下,对其他两种血糖水平的都可达到90%以上的识别准确率。