基于纳米通道的单分子检测技术的原理是利用单个分子在纳米通道两侧电极施加的电场力的驱动下，穿越纳米通道时的物理占位改变了孔的电阻，从而引发流经纳米孔的离子电流发生变化，形成皮安级(pA)乃至飞安级(fA)的阻断电流信号。纳米孔阻断事件根据事件内幅值水平的数量(Level)分为单级事件和多级事件，为了实现对分子个体物理和化学信息的解读，每一个阻断事件都必须被识别，不准确的数据处理会导致纳米孔研究的不可靠性和低重复性。　　本文主要针对纳米通道数据分析过程中出现的多级事件识别问题，在分析其信号机理和特点的基础上，提出了基于隐半马尔科夫模型(Hidden Semi-Markov Models，HSMM)和K-means的纳米通道多级事件检测研究。通过对纳米通道的信号进行分析，得出纳米通道信号符合隐半马尔科夫模型(Hidden Semi-Markov Models)模型，多级事件识别问题可转化为状态识别问题。然而，利用隐半马尔科夫模型解决实际问题前，需要事先给定隐状态个数(N)。本文采用对阻断事件信号数据进行K-means聚类，通过对k-menas算法的改进，采用自定义指标衡量聚类质量，无须人工操作即可获得最佳类簇个数k，作为隐半马尔科夫模型的隐状态的输入。　　在本文最后，为了证明算法的有效性，先后采用仿真电流信号和实际电流信号，与OpenNanopore软件的处理效果进行对比。结果显示，本文算法较之OpenNanopore软件的CUSUM算法，准确率更高，可以准确确定多级事件级数，对事件的分级准确率也较高。