[发明专利]基于脉搏波的无创连续血压测量装置和方法

权利要求书

1.一种基于脉搏波的无创连续血压测量装置，由脉搏波传感器(1)、数据采集模块(2)、数据存储模块(3)、数据分析单元(4)和输出显示装置(10)依次连接而成；其特征在于：

当启用数据分析单元(4)时，当数据存储模块(3)中存有信号时，则可进行基于机器学习算法的回顾性分析，通过自学习提高数据分析单元(4)的性能；

其中：

脉搏波传感器(1)安放于生物体局部皮肤表面；

数据采集模块(2)对来自脉搏波传感器(1)的微弱的脉搏波信号进行放大，并滤除脉搏波信号中不需要的频率成分，接着对放大滤波后的脉搏波信号进行采样，转化为脉搏波数字信号，存入数据采集模块(2)的数据缓存区中；

数据存储模块(3)，将数据采集模块(2)的数据缓存区中的脉搏波数字信号读入内存，并定时存储为数据文件；

数据分析单元(4)，对来自数据存储模块(3)中的数据文件进行分析处理；所述数据分析单元(4)由预处理模块(5)、信号分割模块(6)、基于脉搏波分解算法的信号质量评估模块(7)、特征提取模块(8)、收缩压和舒张压测量模块(9)组成，预处理模块(5)的输入端连接数据存储模块(3)的输出端，预处理模块(5)的输出端分为实时信号输出端和历史信号输出端，分别连接信号分割模块(6)的输入端，两者从信号分割模块(6)输出后均可连接基于脉搏波分解算法的信号质量评估模块(7)的输入端，基于脉搏波分解算法的信号质量评估模块(7)的输出端连接至特征提取模块(8)的输入端，信号分割模块(6)根据测量模式标识符将脉搏波数字信号按照心拍或者固定长度分割；针对信号片段使用平稳小波变换(SWT)并且选择样条小波进行多层分解；使用波峰增强技术凸显每个尺度上的波峰，结合多尺度上的波峰根据‘小且极值点唯一的’原则定义一个区域，在该区域中搜索极小值点作为的起始点，两个连续的起始点之间的信号段即为单拍脉搏波，然后在单拍脉搏波中搜索极大值，即可得到波峰所在位置；

所述信号分割模块(6)对脉搏波数字信号使用平稳小波变换分解到多尺度上，使用多尺度信息以及波峰增强技术提取脉搏波的特征点；

所述信号质量评估模块(7)通过使用一个或多个非线性函数来拟合单拍脉搏波获得若干个参数，并从这些参数中根据生理意义选取参数进行数学运算获得质量指标，然后根据正常生理范围设定阈值筛除质量严重受损的信号片段；

对每个单拍脉搏波，使用一个或多个非线性函数进行拟合，拟合公式如下：

其中，g_k(n)为非线性函数，m为非线性函数个数，n为采样点的序号；

使用非线性最小二乘求解非线性函数的若干参数，设参数个数为p，则参数组可表示如下：

F＝[C₁,C₂,C₃,…,C_p]

当预先设定的测量模式标识符为单拍模式时，将所有特征向量组成p×1的矩阵；当测量模式标识符为均值模式时，根据固定长度的数据内所包含的单拍脉搏波数量q，q取决于数据的长度以及采集者的心率，对q个单拍脉搏波求均值获得p×1的特征向量；

在基于脉搏波分解算法的信号质量评估模块(7)中，根据生理意义选取参数进行数学运算获得质量指标，然后根据正常生理范围设定阈值，筛除来自于质量差的单拍脉搏波的参数组F，信号质量正常的单拍脉搏波的参数组F则被输入到特征提取模块(8)中；

特征提取模块(8)的输出端连接至收缩压和舒张压测量模块(9)的输入端，收缩压和舒张压测量模块(9)的输出端连接至输出显示装置(10)；预处理模块(5)用于去除脉搏波数字信号中叠加的外部噪声和干扰；信号分割模块(6)根据测量模式标识符将脉搏波数字信号按照心拍或者固定长度分割；信号质量评估模块(7)利用脉搏波分解算法从脉搏波数字信号中删除质量受损的部分信号片段，得到用于后续分析的有效信号片段；特征提取模块(8)用于对有效信号片段提取与血压相关的特征；收缩压和舒张压测量模块(9)利用机器学习算法根据输入的特征来输出受试者当前时刻的收缩压与舒张压；

输出装置(10)，用于输出脉搏波信号的波形以及受试者的收缩压与舒张压；当预先设定的测量模式标识符为单拍模式时，输出显示装置(10)输出并显示每一心拍的收缩压和舒张压；当测量模式标识符为均值模式时，输出并显示固定时间长度内的收缩压和舒张压的均值。