人体生理健康参数检测是当前“智慧医疗”及可穿戴设备领域热门的研究方向。其中,心率是能够直接反映心脏健康状态的指标之一。由于大多数可穿戴设备的心率检测只是检测心率值,并不能反映不同行为下的心率状态情况。因此,本文以人体生理健康参数检测为切入点,从行为识别和心率检测两个方面展开研究,并对不同行为下的心率状态辨识进行了方案设计。主要内容包括:对小波去噪算法的改进,提出了SPLDA-XGB行为识别算法,设计了在不同行为下心率状态辨识方案。针对加速度信号中的尖峰和突变噪声,由于传统的小波去噪算法的阈值选择恒定,并且在处理变化较快的信号时,自适应性差的问题,提出了改进的小波去噪算法。使用改进的小波阈值函数和复合评价指标对合加速度信号进行实验验证。结果表明,改进的小波去噪算法能够较好的去除加速度信号中的干扰。针对行为识别过程中,数据冗余造成的“维数灾难”问题,提出了SPLDA-XGB行为识别分类算法。首先基于PCA算法和LDA算法提出了SPLDA降维算法,SPLDA算法能够保证在原有样本协方差结构不变的情况下,获得变换矩阵中的主成分进行赋权,通过调节类间散度矩阵和类内散度矩阵,使得类间距离最大化的同时类内距离最小化,并且获得最优投影向量,更新类内散度矩阵,获得降维样本数据集。将经过SPLDA降维之后的样本数据集,使用XGBoost分类算法进行行为的分类。实验结果表明,SPLDA-XGB分类算法提高了行为识别的精确率和召回率,并且减少了识别时间。针对目前在不同行为下的心率状态只能够依靠人为进行判断的问题,提出了不同行为下的心率状态辨识软件设计方案。通过对不同行为下的正常心率状态范围进行三级阈值标定,初步实现了在静止、步行和跑步三种行为下的心率状态辨识与健康状态提示。本文进行的不同行为下的心率状态辨识研究工作可以为其应用在可穿戴设备上提供重要的参考价值。