高血压是一种“无声杀手”,其早期往往无症状,诊断率低至46%,而且经过治疗只有不到33%的患者能够控制住高血压。所以及时可靠的血压测量、高血压诊断和血压变化监测对高血压及其相关心血管疾病的预防和早期干预至关重要。目前市场上的无创连续血压监测设备主要采用容积补偿法,仪器笨重、舒适性低,因而并不适用于日常生活状态下长时间的连续血压监测。针对这种现状,本文研发了一套便携、舒适、可扩展、可穿戴的无创连续血压监测系统,主要研究内容和成果如下:1.搭建了一套基于移动医疗物联网的可穿戴式无创连续血压监测系统。该系统实现了光电容积脉搏波(Photoplethysmography,PPG)和加速度信号的同步采集,信号采集前端和移动中继、移动中继和云平台之间的实时通讯,具备一定的可穿戴性、可扩展性。2.提出了基于运动强度和波形特征指标的PPG多轮信号质量评估算法,通过基于运动强度的第一轮信号质量评估去除了受运动干扰严重的异常信号,提高了后续信号处理速度;在利用双密度小波变换和三次样条插值分别去除高频噪声和低频噪声后,通过基于波形特征的第二轮信号质量评估,去除了剩余信号中受运动干扰影响较大的脉搏波,从而保证了用于血压估计的PPG信号质量,为后续血压估计提供了良好的数据基础。3.提出了基于信号质量分类的BP血压估计模型构建算法,通过利用三轴加速度来进行信号质量分类,使用皮尔森相关系数法选取出针对个体的高相关性脉搏波特征参数,利用BP神经网络来进行个性化的基于信号质量分类的BP血压估计模型的构建,实验结果表明该方法在收缩压和舒张压上平均相关系数皆提升了 0.12,平均绝对误差分别降低了 0.4mmHg和0.34mmHg,平均误差标准差则分别降低了 0.5mmHg和0.47mmHg,优于无信号质量分类的BP血压估计,并通过一致性分析表明其与欧姆龙HEM-8622腕式血压计具有较好的一致性。