血压是反映人体健康状况的重要生理参数,能够证明人体心血管功能状况是否健康,无创血压测量的研究一直是临床医学和生物医学工程领域的研究热点。传统的血压测量需要接触患者,甚至侵入患者,造成患者的不适,不能长时间监测,且不能摆脱气囊的束缚,无法实现高精度连续血压监测,而非接触血压估计技术能够克服这些局限性。生物雷达技术具有不易受到环境因素影响、穿透力强等优点,与红外、视频等其他非接触监测技术相比,更适合监测脉搏波信号。本课题基于连续波雷达检测脉搏波信号,对脉搏波信号进行特征提取,采用线性回归以及机器学习回归算法估算血压,可以实现高精度连续血压监测。本课题同时完成了心血管特征参数的计算以及血压变异性研究,进而将其应用于临床医学辅助诊断和家庭远程医疗辅助诊断领域,应用前景光明。其主要工作如下:1.介绍了连续波雷达系统的硬件平台,脉搏波信号的形成,同时设计对比试验验证了雷达测量信号为脉搏波信号而非心跳信号。2.由于脉搏波周期性非平稳性复杂振动的特点,提出了基于EMD算法的脉搏波特征点提取方法,该方法分析非线性和非平稳性信号可以准确识别特征点。根据提取的脉搏波特征点,计算脉搏波传导时间,并通过对照实验,验证了连续波雷达系统测量脉搏波传导时间的准确性。3.针对个体血压的测量,完成了基于脉搏波传导时间的线性回归模型的血压估算。在此基础上提出了一种基于高斯过程回归的血压估算方法,该方法无需先验条件,可以完成复杂条件下的非线性回归计算,通过实验验证了该算法的准确性,实现了高精度连续血压监测。4.研究了基于脉搏波波形的心血管特征参数提取方法。完成了基于神经网络回归模型的血压估算,在此基础上提出了基于支撑向量回归模型的脉搏波—心血管参数—血压的群体普适性模型。相较于神经网络回归算法,该方法运行速度快,对数据样本量要求不高,通过实验验证了该方法在小数据量样本下的血压估计准确性。最后基于该方法研究了不同时间尺度下(每秒,每时或每天)的血压变异性。