随着时代的发展,快速发展的经济加快了人们的生活节奏,人们对生活的追求不再仅限于衣食住行水平的提高,对自身的健康状况也越来越关注,越来越多的人积极参加体育运动,提高自身的身体素质,放松身心是最真实的写照。心率作为人体最重要的生理特征之一,通过心率监测能够了解自身的身体状况。但心率会随着运动强度的改变而改变,人们能够根据心率的变化合理的安排自身的运动强度,避免过度运动给自身带来伤害。相比传统的心率检测手段,基于PPG信号设计的心率监测设备能够,让人们能够更简便的实时了解自身的健康状况。但基于PPG信号的心率监测设备也存在自身的局限性。当处于运动状态下,采集的PPG信号容易受到运动干扰噪声的影响,使得最终获取的心率值准确性降低。所以,本文针对存在的运动干扰噪声采集的PPG信号如何提取更加准确的心率值的方法进行了研究,所做工作如下:（1）通常对存在运动干扰噪声的PPG信号进行准确可靠的心率提取主要分为三个阶段:预处理、去除运动干扰噪声和心率估计。对每个阶段在实施前都需要进行仔细分析。选择正确的过滤器对于准确的心率提取十分重要,过滤器系数根据过滤器的大小而有所不同。本文依据准确性和性能之间进行权衡,提出了首先采用基于SVD的心率提取方法从PPG信号中参考加速度信号去除存在的运动干扰噪声,同时保留PPG信号的主要特征;在此基础上,使用基于期望最大化的卡尔曼滤波心率提取方法进行参数估计,通过模拟和可用数据集实验验证,本文所采用的方法相比固定设置的参数方法显示出更为理想的结果。（2）针对利用双PPG传感器进行信号的采集时,每个单独信号的过滤状态下的误差,通过对状态向量融合方法和测量融合方法的对比分析,证明了测量融合方法在减少两个传感器采集过程中所带来的误差方面优于状态向量融合方法,进而实现了对基于期望最大化的卡尔曼滤波心率提取方法的改进。（3）由于可用的真实数据受到诸多方面的限制,通过对PPG信号和加速度信号的探究,实现了一个合成PPG和加速度信号的工具。根据预先设定的不同运动状态和时间,对PPG信号和加速度信号进行合成,对本文所提出的基于期望最大化的卡尔曼滤波心率提取的改进方法与基于线性模型、指数模型的方法进行对比分析,验证了本文所提出方法能够准确的心率信息。