目的：针对从指端脉搏波重构出桡动脉脉搏波的难题，提出一种基于深度学习的重构方法。方法：使用四通道数据采集系统PowerLab分别无创采集指端脉搏波和桡动脉脉搏波，对脉搏波信号噪声源进行分析，利用去基线算法、小波变换去噪算法、归一化预处理算法，得到稳定的信号波形。设计变分自编码器（VAE）网络模型结构参数，利用十折交叉验证法对744例受试者数据进行训练，建立桡动脉脉搏波预测模型。设置学习率、随机失活、正则化项共3项超参数，对VAE网络模型进行优化。结果：186例受试者桡动脉脉搏波重构和同步检测结果表明：低阻型和高阻型指端脉搏波经VAE网络模型建模后5%K差、20%K差、K差总方差、FIT分别为49.10%、96.70%、89.74和75.80%；低阻型和高阻型指端脉搏波经VAE网络优化模型建模后5%K差、20%K差、K差总方差、FIT分别为48.50%、94.50%、73.74和66.30%。结论：VAE网络模型建模及其优化方法可用于桡动脉脉搏波重构，重构精度较高，并具有较强的鲁棒性和泛化能力。