血压的连续测量，能够帮助我们更好地了解血压变化规律，有助于预防和诊断高血压，并评价自身健康状态。从而使得它在日常的健康监护中，发挥着越来越重要的作用。　　本研究，在其他血压模型的基础上，对人体血压进行建模分析，综合考虑影响血压的多种生理参数，并设计相关的实验。同步采集了40个人的心电、脉搏波和连续血压信号。对信号进行预处理后，运用差分阈值和小波变换的方法，对心电和脉搏波信号进行特征点的提取和计算。并建立相应的同步心电、脉搏波和连续血压的数据库。　　针对采集的数据，分别运用一元线性回归、多元线性回归、分组建立模型和基于个体信息的参数估计模型的方法，建立相应的血压估算模型，并在独立的数据集上进行了测试。结果显示，多元线性回归，相比于一元线性回归，能够更加有效地拟合出血压数据。在独立数据集上进行分析，其相关性均值大于0.33。而针对于基于个体信息的参数估计模型，其考虑的参数更多，模型拟合效果更好，并且在独立的测试数据集上也有更好地表现。它对于收缩压、平均血压和舒张压相关系数的均值达到了0.4以上。可见，该方法具有一定的适用性。　　本论文的主要研究工作包括:　　同步采集心电、脉搏波和连续血压信号;　　对生理信号进行预处理，并运用不同的方法进行特征点的提取，并计算相应的特征值;　　建立多种回归模型，对血压值进行预测。并对不同模型进行性能的比较。