随着生活水平的提高和老龄化的加深,心血管疾病患病率呈上升趋势,严重影响了人们的健康。智能监测设备和可穿戴设备为人们的日常生理信号监测提供了便利,为疾病的诊断和预防提供了重要的临床参考价值。当前用于人体脉搏、心率和血氧信号的监测设备如智能手环、智能手表均是基于光电容积脉搏技术（PPG）,但PPG本质上是流量传感器,与基于压力的传统手指号脉感觉到的脉象不完全相同,无法还原真实的脉搏波特征,且信号容易受背景光干扰,导致脉搏波的特征丢失。相比于PPG传感器,压力传感器采集到的信号更接近脉搏信号的本质,具有较高的检测灵敏度和稳定性,还可以获取更多的脉搏波细节特征。因此,本文将开展基于弯曲光纤应力传感器的脉搏信号监测技术研究,并从脉搏信号中提取特征值用于血压和脉搏传播时间的预测。本文首先介绍了脉搏波、血压和脉搏传播速度等参数的成因及意义,并对不同脉搏监测技术的工作原理、特点和局限性进行了介绍。然后提出了一种基于弯曲光纤传感头的脉搏信号采集系统,结果表明,该系统能够较好地还原脉搏信号。接着,为了由脉搏波特征值实现脉搏传播时间和血压的预测,本文建立了遗传算法结合支持向量回归模型（GA-SVR）。为获取训练所需数据集,利用搭建的弯曲光纤传感系统获取桡动脉脉搏波的波形并提取特征值、利用心电传感器（ECG）和PPG传感器获取脉搏传播时间,利用血压计获取血压。实验过程中共采集了150名志愿者的生理数据,完成了数据集的建立,并按13:2的比例随机将数据集分成训练集和测试集,后用遗传算法寻找惩罚因子与核函数参数,将训练集数据输入到支持向量回归模型中进行训练,并利用测试集数据对模型准确率进行验证。结果表明,基于训练好的GA-SVR模型,利用脉搏波特征值能够较为准确地预测血压和脉搏传播时间,收缩压的预测准确率为91.48%,舒张压的预测准确率为92.13%,脉搏传播时间的预测准确率为87.49%。最后,为了提高系统的实用性,本文在HBuilder X软件平台上设计了用于结果显示的智能手机APP,为了便于用户查看,还设计了个人信息输入窗口和脉率、体重指数（BMI）与血压等信号显示窗口。