基于脉搏波测量血压的方法是现阶段无创连续血压测量的重要研究分支。基于脉搏波的血压测量方法包括基于脉搏波传导速度的测量方法、基于脉搏波传导时间的测量方法和基于脉搏波特征参数的测量方法。前两种测量方法需要采集两路人体生理信号,而两路信号间的稳定性对测量结果有较大的影响。后一种通过分析脉搏波特征参数与血压之间的关系,建立脉搏波特征参数-血压计算模型,实现对每搏血压的连续测量。现阶段基于脉搏波特征参数的血压测量方法主要集中于对肱动脉和桡动脉脉搏波的研究,血压计算模型多是通过回归分析方法建立的线性回归方程,模型一般适用于特定的测量个体和脉搏波采集设备。指端脉搏波与胲动脉、桡动脉脉搏波具有较好的相似性,且更容易被测量,已被用于各类心血管生理参数的计算。移动智能终端软硬件性能的快速提升,使得基于指端脉搏波进行血压测量的便捷性得到了极大提高,具有良好的应用前景。本文研究了指端脉搏波特征参数与血压之间的关系,提出了一种基于指端脉搏波的血压测量方法,并在移动终端上进行了初步实践。首先,基于对指端脉搏波和现有的脉搏波特征参数的分析,提出了本文采用的指端脉搏波特征参数,并通过分析各参数与血压之间的相关性,为利用这些参数计算血压提供了理论依据。然后,本文给出了针对两种脉搏波的获取、预处理和特征参数提取方法。一种脉搏波取自MIMIC数据库,用于血压计算模型的建立和评估;另一种脉搏波利用智能手机采集,用于检验血压计算模型在实际场景下的性能。其次,本文给出了血压计算模型的建立和评估方法。本文采用偏最小二乘回归分析和BP神经网络两种方法建立脉搏波特征参数-血压计算模型,前者能在自变量间存在较高相关性的情况下拟合自变量和因变量间的关系;后者则能够很好地拟合自变量和因变量间的非线性关系。评估结果显示,利用BP神经网络建立的模型具有更好的血压预测能力。最后,基于当前移动端慢病管理的背景,将本文建立的模型在移动端进行了初步实践——开发了一个基于Android的血压测量模块,并在已有的移动端慢病管理平台进行了初步应用。