血压是衡量人体健康状况的重要指标,特别是连续血压,它能够间接反应出心脏和血管的运行状况,是临床上进行疾病诊断、治疗效果观察以及疾病预防判断的重要依据。但现在市面上的连续血压测量设备,主要为可穿戴式电子血压计都有着精确度差的缺点,不能准确的判断人体是否出现危险病态,所以对血压连续准确的测量以及异常状况的有效判断在预防心血管并发症以及对长期高血压患者的降压用药起到良好的监督作用和重要意义。因此,针对上述问题,本文对于血压连续测量提出了一种新型方法-基于脉象分类的血压自适应连续测量。该方法采用新型传感器一RF射频雷达实现对人体桡动脉脉搏波的双路信号获取,然后引入分层定势联想机制模型实现脉象的引导式自动分类,最后通过分级自适应血压预测模型实现血压的实时测量。论文的主要研究内容包括:(1)深入了解RF-射频雷达的工作原理以及其优势,设计一套人体桡动脉脉搏波采集系统,并利用Labview搭建出一套数据实时显示与数据保存系统。通过与脉搏波采集系统金标准进行对比验证了该系统的有效性。(2)脉象的准确分类是后期血压预测的基础,只有实现准确的分类才能保证血压预测的准确性。基于人类定势思维机制,我们提出了基于分层定势联想机制的脉象分类模型。首先进行友邦因子分析实现脉象粗分类并确定引导方向,然后利用定势联想神经网络实现对脉象的有效分类。神经元交互联想网络融合了引导式变异以及脉象演变规则具有较强的定势联想能力,可以有效地实现被测脉象与典型脉象的自联想。(3)在血压的预测阶段,我们引入了分级自适应血压预测模型。首先,通过脉象建立其与血压线性模型的内部联系,根据被测人的脉象以及相关信息实现一级血压模型的动态调整。然后,利用训练好的带参数库的PSO-BP神经网络实现二级血压最终结果的调整。实验结果表明,基于分层定势联想机制的脉象分类模型可以对人体常见脉象实现较高的分类准确度,其准确率达到92.86%,相比其他方法具有更好的分类效果。同时,血压自适应预测模型的预测准确度总体达到了 94.65%,能够对异常血压数据做到准确的判断,并且对个人血压的连续追踪趋势实现较好的跟随性。