[发明专利]基于多元线性回归和相关性加权选择算法的血压监测方法

说明书

本发明涉及一种基于多元线性回归和相关性加权选择算法的血压监测方法，属于数字信号处理领域。本发明的血压监测方法包括步骤：信号采集和预处理、特征点提取和特征值计算、特征类型的分类、数学模型的建立、验证和输出。本发明检测精度较高，能够较准确的反应血压的变化趋势，检测值与实际值的相关性较好，实现了血压实时、准确的监测。同时本发明的血压检测方法复杂度低，计算量小，能够有效的从光电容积脉搏波信号中提取血压，适用于各种现有的可穿戴设备，该方法利用线性回归的高效性，结合提取特征类型，根据不同特征类型与血压的相关性进行特征分类，通过对血压值的加权量化，实现了对血压的准确监测，适用于可穿戴设备中的血压检测。

技术领域

本发明属于数字信号处理技术领域，涉及一种基于多元线性回归和相关性加权选择算法的血压监测方法。更具体地说，尤其涉及在便携式可穿戴设备上使用的基于多元线性回归和相关性加权选择算法的血压监测方法。

背景技术

血压是最基本的生命体征之一，在医学诊断、健康监测、急慢性心血管疾病检测和预防等方面都有着重要的应用，因此，实现血压实时连续的准确监测具有重大的意义。

光电容积脉搏波信号(PPG)作为人体重要的生理信号之一，包含着丰富的心血管生理病理信息，且具有操作简便、无创、低成本、安全可靠等诸多优点。

PAT定义为脉搏波从一个动脉部位传播到另一动脉部位所花费的时间，它可以由ECG信号中的R峰值到PPG信号峰值所花费的时间表示。PPG信号和ECG信号的结合可用于确定脉冲传播时间(PAT)，已经有许多相关的论文和实验证明了PAT血压之间的近似线性关系，这种关系可以为无袖带血压检测提供理论基础。由Moens与Korteweg实验研究可知：人体等效长度为L的动脉血管中脉搏波传导时间计算公式为式中，h为血管壁厚度，D为血管内径，σ为血液密度，E为杨氏弹性模量，K为血管参数，这些值在一定时间内都为常量；又有血管弹性模量E与血管跨臂压(血管内外压力之差)P之间的关系为E＝E₀e^αP。式中，α表征血管特征，数值在0.016～0.018mmHg之间；E₀是P为0时血管弹性模量，结合以上两式：对PAT求导有写成差分形式：以上内容可见，血压变化与PAT变化在一定范围内成负相关的线性关系。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是如何提供一种基于多元线性回归和相关性加权选择算法的血压监测方法，以解决在可穿戴设备中的对人体血压实现准确监测的技术问题。

(二)技术方案

为了解决上述技术问题，本发明提出一种基于多元线性回归和相关性加权选择算法的血压监测方法，该方法包括如下步骤：

Q1、信号采集和预处理，采集时间同步的一路脉搏波信号(PPG)和一路心电信号(ECG)，同时同步使用医疗设备采集的血压值作为真实血压值，将所取得的PPG信号和ECG信号划分成对应不同时间分段的信号，每个时间分段对应一组真实血压值的收缩压SBP和舒张压DBP，对不同时间分段的PPG信号和ECG信号进行去噪处理；

Q2、特征点识别和特征值计算：对步骤Q1中得到的不同时间分段信号进行逐个处理：首先识别出每个脉搏周期的特征点，依据这些特征点计算不同特征类型的特征值，通过筛选和均值计算后得到每个特征类型对应该时间分段的特征值，将每个时间分段的数据合并得到初步的总体数据；

Q3、特征类型的筛选与分类：根据步骤Q2的得到的总体数据结合真实血压值计算出各个特征类型与血压的相关性，采用皮尔逊相关系数用来衡量相关性强弱，根据相关系数的大小将特征类型划分为基础特征类型和补充特征类型，并将相关性较差的特征类型删除；