高脂血症是导致多种心脑血管类型疾病的重要诱因且存在很多因此产生的并发症,由于其隐匿性导致多数疾病并无典型症状,极易耽误最有效的防治时间,对人们身体的生理机能产生了巨大的危害。其中,胆固醇浓度过高表现为高胆固醇血症,进而导致血脂水平整体异常。因此,胆固醇浓度值是检测高脂血症很重要的指标。目前常用的血脂检测方法多为医院生化检测测得,不仅给被测对象造成疼痛的感觉,而且还增加了针刺部位的感染风险,且实时性较差。生物电阻抗技术作为一种无创检测技术,能很好的辨别被测对象不同的组织和器官反映出来的不同电信号,为无创血脂成分检测研究提供了新思路。现有研究表明胆固醇浓度与电阻抗呈一定的线性关系,但该实验是在体外配比胆固醇混合溶液进行的,相对人体的复杂性与各异性有一定的差距。本文提出了一种基于生物电阻抗谱的新型无创连续监测人体胆固醇浓度的方案,用于辅助医疗检测高脂血症。依据生物电阻抗测试原理设计了基于嵌入式系统的人体阻抗谱检测平台,用于无创胆固醇浓度的检测。该平台主要由信号激励模块、信号调理模块、AD采集模块等组成。信号激励模块由微处理器控制直接数字频率合成器（DDS）产生100KHz-300KHz的正弦波电流激励信号;调理电路对检测电极的输出信号进行差分放大、带通滤波等;幅相检测模块得到人体手臂电阻抗的幅值和相位角参数值,再将其转换为微控制器可以识别的数字信号。实验设计了各模块的原理图,并对其进行了仿真验证来证明检测平台的正确性。机器学习算法在疾病风险预测中所表现出来的优势远远超过传统预测方式,为降低个性化差异,本文提出了阻抗谱关系模型中加入和人体成分分析仪相关性较高的人体成分指标优化高脂血症预测模型的方法,对综合数据集进行数据预处理、特征选择以及主成分（PCA）特征降维的特征工程处理,得到一个特征变量间彼此线性无关的数据集,采用了机器学习的套索（Lasso）回归算法来建立生物电阻抗谱与胆固醇浓度的关系模型,实现对胆固醇浓度的预测,预测结果与生化检测的结果相关性为0.79,平均相对误差率是10.47%,该测量系统和回归模型在一定程度上无创检测了人体胆固醇浓度值,并正确判断了血脂有无异常,对患者实时监测血脂异常以及医疗检测起到很好的辅助作用。