全球目前大约有4亿多人患有糖尿病,血糖水平的实时监测对糖尿病患者的治疗具有重要意义。传统的血糖监测方法主要为有创监测法,这种监测方法会给患者带来痛苦而不能及时进行血糖检测,并且可能导致传染性疾病的交叉感染,因此对新型无创血糖监测的研究与应用被寄予了越来越高的期望。本文研究了以光声效应为理论的无创血糖检测技术,并提出了多频段融合建立葡萄糖浓度预测模型的方法。首先,在深入研究光声效应基本原理的基础上,本文详细分析了光声信号的产生、传播和探测机制,得出光声信号幅度与介质的光学性质和物理性质之间的关系,光声信号频谱与激光调制函数、介质空间光吸收函数等有关,并由此确立了光声信号和葡萄糖浓度之间的关系。其次,为了克服单频段光声信号易受干扰的问题,本文采用偏最小二乘回归法和BP（Back propagation）神经网络两种算法分别建立多频段光声信号峰值与葡萄糖溶液浓度之间的数学模型。针对偏最小二乘回归法处理复杂非线性问题的局限性,本文提出了基于前向搜索法的变量筛选方法建立葡萄糖预测模型,以提高模型性能。针对BP神经网络收敛速度慢、容易陷入局部极值的问题,对激活函数、学习率和权值更新三个方面进行改进,以训练得到较好的葡萄糖预测模型。最后,本文搭建了光声无创血糖检测系统,主要由采集光声信号的硬件部分和数据处理的软件部分组成,通过Lab VIEW控制频谱仪采集0～500mg/d L葡萄糖溶液的光声信号频谱信息,验证了光声信号幅度和频谱峰值点数目随着葡萄糖浓度的增加而增加。偏最小二乘回归法通过变量筛选的方法建立了3个频段峰值的葡萄糖浓度预测模型,其预测均方根误差为20.95mg/dl,BP神经网络通过多次训练建立了5个频段峰值的葡萄糖浓度预测模型,其预测均方根误差为15.25mg/dl。结果表明,多频段光声信号融合对葡萄糖浓度的预测精度有所提高。