近年来随着我国人民生活水平的日益提升,高血压患病率也在逐年升高。高血压作为一种需要终身监控与治疗的慢性疾病,其在患病初期很难察觉。同时,传统的医院血压检测装置缺少舒适性与便捷性,已经不能满足人们对个人与家庭的血压监控要求。基于光电容积脉搏波法的血压检测方法具有无创、简便且舒适的优点,以此方法研发的可穿戴式血压计在日常生活中的应用日渐广泛。本文基于指端光电容积脉搏波的检测系统,提出了基于心电脉搏法和单路加速脉搏波法两种血压算法,并根据提取的脉搏波特征参数,使用神经网络完成了血压的分段估算。具体研究工作包括:1、实现了基于脉搏波传导时间(Pulse Wave Transit Time,PWTT)的血压算法。通过对提取脉搏波传导时间的关键设计方法开展研究,选取了两种检测方案:一是选用心电信号(Electrocardiogram,ECG)和光电容积脉搏波信号(Photoplethysmograph,PPG),提取ECG信号中的R点和PPG信号中的波谷以计算PWTT;二是选用单路脉搏波信号,对其进行二次差分得到加速脉搏波,进而选取加速脉搏波中的两个特征点以计算PWTT。首先,使用小波变换法对ECG和PPG信号进行预处理,其次,基于数学形态学、极值法、快速傅里叶变换等方法提取信号中的波峰波谷位置以及各项时域频域特征参数。分别将两种方案提取出的PWTT与血压进行相关性分析并构建线性模型,最后,对提取的特征参数进行相关性研究,筛选合适的时域和频域特征参数用于改进血压计算公式。2、构建神经网络算法模型以实现对血压区间的估算。通过研究生理学理论,选取PPG信号中的多项特征参数进行机器学习。将采集的临床数据中脉搏波的时域特征参数和频域特征参数分别应用于神经网络模型中,实现了血压区间的判断。本文采用实验对两种血压检测算法进行了评价。通过Bland-Altman分析法测得,两种算法检测血压值平均差均不高于±5 mmHg,满足美国医疗促进协会AAMI平均差小于5mmHg,标准差小于8mmHg的误差要求,从而验证了本文检测方案的正确性和可行性。