呼吸频率是一项评估人体生理状态的重要指标,能提供与人体健康状况相关的重要信息。目前,临床测量的方法主要是压力传感器法或肺活量计法等,具有一定的强迫性。随着无创检测技术的发展,光电容积脉搏波（photoplethysmography,PPG）因其非侵入性与可靠性被广泛应用到生活中。人们逐渐关注对呼吸系统疾病的早期预警情况,因此进行准确且有效的呼吸信号监测具有重要意义。本文以呼吸频率监测为研究背景,提出一种从脉搏波中提取重构呼吸信号的方法,并计算呼吸频率。主要工作有低功耗微型系统硬件设计、上下位机软件的搭建和算法设计。其中低功耗微型系统硬件的设计主要实现了人体生理参数的监测功能,下位机部分通过MAX30102传感器实现人体PPG信号检测。用HKH-11B腹式压力传感器测量同一时段呼吸信号作为参照呼吸信号。上位机采用WPF（Windows Presentation Foundation）技术来搭建平台,展示实时采集到的脉搏和呼吸信号。针对PPG信号非平稳非线性的特性,算法的设计采用集合经验模态分解（Ensemble Empirical Mode Decomposition,EEMD）结合小波阈值的方式对MIMIC数据库中PPG信号的数据集进行测试,选取相关性较高的分量得到重构的呼吸信号,验证了算法的可行性。之后对本文硬件系统采集到的PPG信号进行分析处理,对重构后的呼吸信号与参考呼吸信号进行波形相关性分析,AR功率谱密度估计,并通过时频域结合的方式实现呼吸频率的估计。实验结果表明:重构呼吸波形的相对相干系数在0.62以上,AR模型的功率谱密度相关系数在0.97以上,对呼吸频率估计的准确率在95%以上。本系统简化了家庭式监测呼吸信号的方式,验证了EEMD-小波阈值算法对PPG信号提取呼吸信号的可行性和硬件系统监测呼吸信号的可靠性,达到了预期目标。本系统通过结合呼吸信号的相关参数,可对人体呼吸系统健康指数做出评估,及时对可能出现的呼吸系统疾病发出预警。