血压是衡量心血管功能的重要生理学指标,最新的研究表明,血压的高低及其动态变异性是心血管疾病的重要风险因子。血压监测作为心血管疾病的预防和辅助治疗手段具有重要意义。临床及家用血压检测多基于听诊法和示波法,但无法摆脱充气袖带的束缚,只能实现间歇式血压测量。常规的血压检测方法在便携性、舒适性、准确性等方面仍不能同时满足对血压进行长期监测的需求。近年来,随着可穿戴医疗设备的发展,利用光电容积脉搏波间接测量血压能在不干扰用户日常生活的情况下实现对血压的无创连续测量,在临床的血压检测领域有着非凡的意义和价值。而有效提高血压检测精度是关键问题。针对这一问题,本文的主要研究工作包含以下内容:（1）分析了脉搏波和血压的形成机理及影响因素,对重症监护医学信息数据库（Medical Information Mart for Intensive Care,MIMIC）中的脉搏波数据进行了信号预处理和特征点识别,提出了基于特征参数的脉搏波筛选方法,利用三次样条插值法构建脉搏波数据集。（2）针对基于光电容积脉搏波的血压检测问题,提出了基于注意力的长短时记忆神经网络（Long-Short Term Memory,LSTM）无创连续血压检测算法,并与传统的线性回归模型和BP神经网络模型进行对比验证,最终证明本文提出的算法有效提高了血压检测精度,同时避免了提取特征参数过程造成的误差。（3）开发并实现了基于LSTM网络模型的穿戴式血压检测系统,该系统包含光电容积脉搏波采集装置和基于Java Web技术的无创连续血压管理系统。（4）对该血压检测系统进行了功能验证。构建个体血压模型,采用冷刺激法对系统进行误差评估,分析结果满足标准误差范围,证明了基于注意力的LSTM无创连续血压检测算法切实可行。