[发明专利]一种基于ECG信号和PPG信号的血压监测系统和方法

权利要求书

1.一种基于ECG信号和PPG信号的血压监测系统,其特征在于，包括：生理信号采集模块、数据传输模块、数据预处理模块、特征提取模块、异常值检测模块、特征选择模块、血压回归预测模块；

生理信号采集模块，用于同步采集用户的ECG信号、PPG信号；

数据传输模块，用于将所述ECG信号、PPG信号打包为数据包传输到手机移动端；

数据预处理模块，用于对ECG信号和PPG信号进行时间对齐、数据切分、信号去噪、归一化处理、峰值检测、数据剔除操作；

特征提取模块，用于对ECG信号和PPG信号进行特征提取；特征提取模块对ECG信号和PPG信号进行提取的特征包括ECG信号的时频域特征、PPG信号的时频域特征以及ECG信号、PPG信号两者在时间上的联系；

ECG信号、PPG信号两者在时间上的联系指同步采集的ECG信号和PPG信号波峰之间的时间差；

通过计算脉冲与脉冲之间的皮尔逊相关系数，获得PPG信号在某一时间段内脉冲与脉冲之间的相关性矩阵；

异常值检测模块，用于检测并剔除在特征空间中分布的异常样本，获得纯净的样本数据；

特征选择模块，用于通过遗传算法筛选出与血压相关的生理信号特征；

血压回归预测模型模块，用于结合生理信号血压数据库，通过线性回归算法对选取的生理信号特征进行血压回归预测并构建血压预测模型，使用迁移学习算法针对每个用户进行血压预测模型训练，输出收缩压和舒张压的预测值；调整血压预测模型参数，使得血压预测模型适配于每一位用户。

2.根据权利要求1所述的血压监测系统，其特征在于，生理信号采集模块包括部署在智能手表或手环装置的ECG传感器和PPG传感器，ECG传感器采用的是肢体单导联三电极，其中两个电极集成在智能手表或手环装置底部，另外一个电极集成在智能手表或手环装置右侧；PPG传感器采用的是光电传感器，集成于智能手表或手环装置底部。

3.根据权利要求1所述的血压监测系统，其特征在于，数据预处理模块具体用于：

根据数据包中的时间信息进行ECG信号和PPG信号对齐，对ECG信号和PPG信号进行T秒长度的数据切分，通过中值滤波器、数字陷波器、低通滤波器滤除ECG信号噪声，通过小波变换、数字陷波器、带通滤波器滤除PPG信号噪声，对ECG信号和PPG信号片段进行归一化、峰值检测，根据波峰数量、波峰位置对ECG信号和PPG信号片段进行筛选。

4.根据权利要求1所述的血压监测系统，其特征在于，从T秒的PPG信号提取n个脉冲周期S₁、S₂、S₃···S_n，脉冲与脉冲之间的皮尔逊相关系数计算公式如下：

其中，S_i、S_j表示T秒PPG信号片段中分割出来的两个不同的脉冲信号周期，脉冲与脉冲之间的相关性矩阵如下：

5.根据权利要求1所述的血压监测系统，其特征在于，异常值检测模块用于通过孤立森林算法对样本在特征空间中进行异常值检测，在特征空间中分布在比较稀疏区域且距离密度高的群体比较远的样本点被认为是异常样本，孤立异常样本并将异常样本剔除；

异常值检测模块进行异常值检测的具体步骤包括：

步骤1：随机从剩余的样本数据片段中选取X个样本点并将其映射至高维度的特征空间中；

步骤2：随机选取一维特征，通过设置随机阈值，产生一个超平面，将特征空间中的样本数据切分为两个子空间，即产生一个孤立树的两个分支；

步骤3：在切割出来的子空间中不断重复步骤2，直到切分的子空间中只有一个样本点或者孤立树的分支数量到达上限；

步骤4：产生多个孤立树，综合每棵树的结果，计算每个剩余样本数据片段的异常分数s，计算公式如下：

其中，n(x)为每棵树中节点的个数，C(X)为X个样本的平均路径；

步骤5：设置异常值分数阈值，当样本的异常分数评分超过该阈值时，则该样本将被视为异常样本，从剩余的样本数据片段中剔除。