基于优化脉搏波特征的无袖带血压检测方法

摘要：

脉搏波蕴含有丰富的心血管功能信息,可用于无袖带血压检测.但光电容积脉搏波(PPG)信号易受噪声干扰,而血压检测的准确性依赖于高质量的PPG信号特征.由此,提出了一种集成现代信号处理技术与脉搏波特征参数分析的方法提高基于脉搏波的无袖带血压检测的精确性.首先,联合使用集合经验模态分解与信号质量检测算法抑制噪声干扰,重构有效PPG信号,从而保证PPG信号的波形和频率特征的有效性.采用脉搏波特征参数与个体参数,建立BP神经网络血压检测模型,并通过平均影响法进行特征选取,减少冗余特征,最后利用遗传算法对神经网络进行优化,得到最优的血压估计模型.实验结果显示,所提出的血压检测方法获得的收缩压和舒张压预测误差≤10 mmHg的百分比分别为93.1％和94.83％,其预测结果满足血压测量标准,可以有效实现无袖带血压检测.

关键词：血压、脉搏波、特征参数、集合经验模态分解、信号质量检测、遗传算法

所属期刊栏目：44

分类号：TP183;R318(自动化基础理论)

资助基金：成都市重点研发支撑计划技术创新研发项目2020-YF05-00056-SN

在线出版日期：2022-05-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1-7