光声效应检测技术因其强大的安全性和穿透性在无创血糖检测领域具有十分广阔的研究前景。本课题主要从光声效应的原理分析出发,通过搭建实验系统采集葡萄糖溶液的光声信号,分析信号与浓度之间的特征关系,并构建信号特征与浓度的算法模型,使用算法模型预测光声信号的对应的葡萄糖含量浓度值的准确度作为模型优劣的评价标准。预测结果统一采用克拉克误差网格（Clark Error Grid,CEG）分析。本文主要研究内容如下:1.本文研究了光声效应的基本理论,主要包括光声效应原理与信号与样本浓度关系的数学模型,为后续的实验系统搭建以及光声信号采集与分析提供了理论基础。根据光声效应原理搭建出了实验系统。2.本文在特征提取算法方面与大多数研究者的研究方向不同,主要研究未经任何预处理的原始信号与浓度之间的关系。因此,本文是以研究时域光声波形谱方法和BP神经网络分析光声信号与浓度之间的关系作为研究对象。时域光声波形谱方法主要是构建出光声信号集合与浓度变换和信号之间的关系模型。通过主成分分析找出与浓度变换最相关的组成成分矩阵L以及对应的得分矩阵S,并且通过将信号得分矩阵S与对应的浓度值c通过回归拟合得到浓度回归系数,待测信号可通过浓度回归系数预测出其浓度值。其预测结果分布在A区的有91.07%,B区8.93%,无结果分布在C,D,E区间。BP神经网络是通过其自身强大的非线性拟合能力,自主地学习信号与浓度之间的映射关系。本文主要通过分析信号组成,设计神经网络结构,将训练数据放入模型中训练,最终得到信号与浓度之间的神经网络模型。待测信号可通过网络模型预测出其浓度值,其预测结果分布在A区96.7%,B区3.3%,无结果分布在C,D,E区间。3.本文使用介孔二氧化硅金纳米粒子作为光声信号增强剂,通过将纳米粒子溶液分别与葡萄糖溶液混合,测得混合溶液的光声信号。使用时域光声波形谱方法和BP神经网络分析,结果显示,添加了介孔二氧化硅金纳米粒子的葡萄糖溶液的光声信号的结果显著优于未添加的结果。其中效果最好为所有预测结果100%分布在A区,无结果分布在其他区。