随着国家经济的高速发展与国民生活品质的不断提高,我国人民的饮食习惯也在不断发生变化,众多高糖、高脂、高热量的食物登上了百姓的餐桌,诸多如奶茶之类的高热量饮品收到了广大年轻人们的喜爱。但是这样的饮食习惯也导致了社会肥胖率持续上升,不良的饮食结构也会给人们带来由肥胖引起的众多慢性疾病,如高血压、高血脂。在我国中老年人患由高血压、高血脂的比例急剧上升,并且由于生活作息不规律,饮食习惯不好,越来越多的年轻人也患有高血压。如果可以实时监控人体的体脂率,并作出预防,可以有效降低此类疾病的发病率。基于以上的背景,本文设计研发了一种能供家庭内日常使用的低成本易操作的体脂率检测系统,可以实现对人体体脂率的实时检测。本文以欧姆定理法则为理论基础,采用了生物电阻抗法,建立起无创体脂率检测系统模型,并提出了一种新型的基于采用粒子群算法优化的极限学习机(PSO-ELM)模型的体脂率预测算法。查阅以往关于体脂率研究和人体生物电阻抗检测方法的文献,建立人体阻抗等效电路,设计基于正交解调算法的人体生物电阻抗检测算法。选用了TI公司生产的AFE4300芯片设计研发了阻抗信号采集与体重信息采集前端模块,并使用了STM32ZET6单片机作为这个系统的控制芯片,最后通过网络化模块实现与上位机的无线数据传输,完成整个体脂检测系统的硬件设计。阻抗测量前端模块通过SPI通信将阻抗信号传输值单片机中,导入至设计好的卡尔曼滤波模型中进行数字滤波,获取到稳定可靠的阻抗信息。然后通过网络化模块将阻抗信息传输至上位机,并采集人体的体重、身高等外部生理参数组成特征矩阵。采用最小二乘算法进行拟合出体脂率预测方程,并提出了经过粒子群算法优化极限学习机(PSO-ELM)算法构建生物电阻抗-体脂率预测模型,使用传统的极限学习机进行对照试验。