光容積描記圖（PPG）是一種低成本、無創的心率測量技術，目前已經廣泛應用于智能可穿戴設備中。然而PPG信號本身極易受到運動噪聲的干擾，導致在劇烈運動狀態下的心率計算準確率較低。針對這一問題，本文提出一種基于自適應心率搜索模型的心率提取算法。算法首先對加速度信號以及PPG信號進行預處理，之后分別從兩種信號中提取出步頻信息與歷史心率信息，根據兩種信息與當前心率間的關系建立自適應模型，以此動態輸出心率在頻域的可能出現范圍，通過縮小真實心率在頻域的查找范圍來排除劇烈噪聲干擾。在2015年IEEE信號處理杯十二組公開數據中，本文算法結果平均絕對誤差為1.12次/分（皮爾森系數：0.996；一致性誤差：?0.184次/分）；在十組自測運動數據中，本文算法結果平均絕對誤差為3.19次/分（皮爾森系數：0.990；一致性誤差：1.327次/分）。結合實驗結果來看，本文提出的算法能有效提取運動噪聲干擾下的心率信息，在智能臂帶設備中具有投入使用的潛能。