血压是人体健康的重要指标之一,血压异常会给身体的各处器官带来负担甚至损伤。另外,血压是心血管、心脏等是否发生病变的重要参考指数。传统的血压测量会在上臂等浅层动脉处施加一个袖带,向袖带充气然后慢慢放气最后根据压力传感器传回的压力来得出血压值,但由于袖带给的压力会使得血液阻流,从而使人们感到不适和肢体麻痹,这种方式是间歇性的。同一个体在一天中的血压是变化的,大约有5mmHg左右的浮动,且随着个体的情绪和不同的病理环境中改变,因此,间歇式的血压检测是不能满足机体在不同状态下所带来血压变化。为避免传统方法带来的弊端,本文设计了基于神经网络的双域融合模型的连续血压估计系统。脉搏波波形携带很多人体的病理信息,它和血管的弹性,血液的粘度等有大的关联,而血管弹性和血液粘度又直接影响着血压。对此,本文利用脉搏波作为获取血压的信号源。主要研究内容如下所示:(1)设计合适的硬件电路完成如下两个任务:○1在桡动脉安置压阻式传感器并以一定的压力采集波形清楚的脉搏波○2对含有噪声的脉搏波进行硬件滤波并在A/D采样后传入上位机(2)对含有噪声的脉搏波进行软件滤波,并在得到干净的脉搏波之后进行周期分割。(3)在时域和频域内分别提取6个特征点作为神经网络的输入参数,然后以商用血压计值作为标签通过神经网络有监督学习来得到收缩压和舒张压。以上阐述为本文的方法学,在经过对连续血压估计系统研发中得出了以下研究成果。(a)压阻式传感器比光电容积方式(PPG)可以检测出脉搏波更多的细节:通过实验发现,压阻式传感器相对于PPG来说可以直接获取脉搏波信号,相反PPG是通过变化的血液对光的吸收率来间接地获取脉搏波信号。(b)压阻式传感器需要合适的取脉压来获取优良的脉搏波信号:在获取脉搏波信号时,对传感器不同的压力会检测出不同形态的脉搏波,这对连续血压的估计造成极大的误差,因此,一个合适的压力显得尤为重要。本文采用梯度压力对不同个体实施脉搏波的测量,并用身体质量指数(BMI)对取脉压做了三阶多项式拟合得出了最佳取脉压拟合曲线。(c)双域融合特征比单一域特征更能刻画机体血压及心血管功能:时域特征点每个波峰、波谷都对应着相应的生理活动,但在外界干扰下准确地提取出特征是很困难的,幸运的是频域特征可以弥补时域带来的震荡。结果显示:基于脉搏波时频域的连续血压估计能以较高的精度得出血压值,收缩压的误差范围为0.18 T 4.22mmHg,舒张压误差范围为0.027 T 3.67mmHg。