[发明专利]一种多生理信号特征融合的无袖带连续血压测量方法

权利要求书

1.一种多生理信号特征融合的无袖带连续血压测量方法，其特征在于，包括如下步骤：

(1)由Moens-Korteweg即M-K脉搏波传导模型和动脉压力感受性反射ABR模型建立动脉血压P与光电容积描记脉搏信号PPG以及心电信号ECG特征量之间的加权融合回归模型；

(2)根据所述加权融合回归模型，通过与传统的袖带式血压计进行对比标定实验，运用迭代最小二乘法标定加权融合回归模型中的个体差异参数；

(3)使用得到的个体差异参数，运用所述加权融合回归模型通过测量PPG和ECG特征量获得个体动脉血压的估计值。

2.根据权利要求1所述的一种多生理信号特征融合的无袖带连续血压测量方法，其特征在于，所述步骤(1)中建立动脉血压P与PPG和ECG特征量的相关关系模型，具体步骤如下：

其中PTT和HR为与血压相关的生理信号特征量，PTT为脉搏波传导时间，HR为心率；K₁，K₂，HR_h，HR_l，P_n，ε为模型待标定的个体差异参数；K₁，K₂为模型回归参数；HR_h，HR_l是ABR调节区间时的最高心率和最低心率；P_n为ABR调节区间心率中位值对应的血压值，ε为ABR调节区间的斜率。

3.根据权利要求1所述的一种多生理信号特征融合的无袖带连续血压测量方法，其特征在于，所述步骤(2)中标定模型个体差异参数的具体步骤如下：

(2.1)标定数据采集实验：分为动态实验和静态实验；

(2.2)信号特征提取：对采集到的信号进行特征提取，包括每个心率节拍下的脉搏传导时间PTT,心率HR，收缩压SBP和舒张压DBP；

(2.3)依据动态实验采集的生理数据计算ABR调控模型中的线性调节区间中的斜率ε，HR_h，HR_l，和P_n；然后运用迭代最小二乘算法确定模型中对应SBP和DBP的回归参数K_1s,K_2s以及K_1d,K_2d。

4.根据权利要求3所述的一种多生理信号特征融合的无袖带连续血压测量方法，其特征在于，所述步骤(2.1)中标定数据采集实验的具体步骤如下：

(2.1.1)静态实验：所有实验者首先静坐10分钟适应环境，然后在静坐状态下使用袖带血压计、指尖光电传感器，心电电极片同步采集血压，脉搏和心电信号10分钟；

(2.1.2)动态实验：所有实验者在跑步机上以8km/h的速度进行5分钟的跑步训练；然后马上在静坐状态下再次同步采集血压，脉搏和心电信号10分钟。

5.根据权利要求3所述的一种多生理信号特征融合的无袖带连续血压测量方法，其特征在于，所述步骤(2.3)中模型个体差异参数计算的具体步骤如下：

(2.3.1)ABR调控模型中的线性调节区间中的斜率ε，HR_h，HR_l，和P_n：ε定义为血压与心率同向变化时的相关斜率，具体计算方式如下：分别取心率HR和收缩压SBP的一阶差分序列dHR[i]＝HR[i+1]-HR[i]和dSBP[i]＝SBP[i+1]–SBP[i]，以dHR和dSBP为坐标建立坐标系，取一三象限数据点的线性相关系数作为ε；同时在一三象限数据点中找到最大心率HR_h和最低心率HR_l,以及心率中位值对应的血压P_n；

(2.3.2)模型中的回归参数K₁和K₂：对K₁和K₂的标定采用迭代最小二乘算法：

在初始化阶段，定义模型待训练参数矩阵

模型输入数据矩阵和输出数据矩阵

然后以60s为周期，计算周期内PTT数据点的均值μ_PTT和方差σ_PTT,根据3σ准则剔除异常数据，既剔除|PTT-μ_PTT|>3σ_PTT的PTT数据点以及对应的血压测量数据点；

模型参数θ的最小二乘优化目标为：

其全局最优解为

定义单次输入数据μ_N+1＝[PTT^-1(i_N+1)1],在迭代最小二乘算法中单次迭代最小二乘解为：

其中λ为遗忘因子系数设置为0.95；所有数据输入进行迭代计算得到最后的回归参数矩阵θ。