高血压是导致高血压性心脏病、中风和冠心病等严重疾病的主要危险因素。当前,动态血压监测（Ambulatory blood pressure monitoring,ABPM）或家庭血压监测（Home blood pressure monitoring,HBPM）可以通过向高血压患者提供及时和持续的反馈来改善广大人群的高血压检测效果,进而达到帮助控制高血压的目的。然而,传统的袖带式血压测量手段由于其测量的群体同质性、有限的测量频率以及袖带佩戴的笨重性等限制了ABPM或HBPM技术的应用。作为一种低成本、易操作的非侵入式光电容积描记（Photoplethymography,PPG）技术,它摆脱了传统的袖带式血压测量手段的缺陷。这里,脉搏波传导时间（Pulse transit time,PTT）被定义为同一心动周期内PPG信号的峰值时间和心电信号的R峰时间之差。当前,基于PTT的连续血压估计技术无需袖带,且能实现在不干扰人们正常生活的情况下随时随地的测量血压。这种方法不仅能提供静息状态下的血压值,还能提供血压的动态分析,可以实现ABPM和HBPM技术的开发并推广。然而,基于PTT的无袖连续血压估计技术存在血压模型的混杂性和不同血压模型的校准技术的不一致性问题。因此很难准确地量化何种血压估计模型具有更好的血压估计性能。基于此,本文根据血压建模来源的不同,将无袖血压估计模型分为血管弹性（Vascular elasticity,VE）和弹性管道（Elastic tubes,ET）两类估计方法（或称“模型簇”）,并建立了统一的校准尺度来规范VE、ET模型簇的血压估计性能。另外,一直以来,无袖血压估计模型的校准技术都是一个巨大的挑战。传统意义上,ET模型簇和VE模型簇的校准方法分别是最小二乘法（the Leastsquare,LS）和点对点配对（Point-to-point pairing,PTP）校准方法。通常LS方法需要所有样本共同参与来获取模型未知参数;尽管其能获得一个较好的血压估计,然而它将导致在长期估计血压中,总存在血压监测初期用于确定模型未知参数的大量样本的缺失。与此相反,传统的单点配对（One poin PTP,o PTP）方法仅仅需要一组袖带血压与PTT一一对应来确定模型未知参数;尽管这样的机制使得o PTP方法简单、便捷,然而它对初始样本选取的唯一性也将导致其具有初值敏感性的缺陷。为了改进血压模型的估计性能,由浅入深,本文在初始校准、周期校准问题上分别提出了三种个性化校准技术来进一步规范和填补无袖血压监测领域在校准技术上的空白。本文主要工作及创新点包括:（1）研究VE和ET模型簇的血压估计性能。考虑到VE、ET模型簇初始校准模式的不同,本文提出了一个新型的统一的校准尺度——改进的单点配对校准方法（Advanced PTP,a PTP）。对于a PTP校准技术,在不改变VE中校准方法的同时,它解决了ET模型簇中需要使用所有样本来得到模型参数的难题。并且,与VE模型簇中使用的o PTP方法相比,a PTP技术考虑了静息状态下BP、PTT等生理参数仍然有轻微的波动这一事实,因而它更加符合实际情况。研究表明,与ET模型簇中使用的LS校准方法相比,a PTP仅仅需要较少样本即可完成ET模型簇中待定参数的标定,且结果仍然符合医疗器械促进会（Association for the advancement of medical instrumentation,AAMI）的标准。因此,a PTP方法统一了来源于不同方法学的ET模型簇和VE模型簇所使用的校准方法,它为在同一校准尺度下评价来源于不同建模机制的血压模型的血压估计性能提供了可能。（2）研究基于最小二乘法的点对点配对校准技术。这里,本文充分结合LS和PTP方法的优缺点,扬长避短,创造性地将LS方法引入到PTP方法中,提出了一种基于LS的PTP校准方法,简称L-PTP。针对L-PTP技术,它能充分汲取LS技术具有较强的血压估计性能和o PTP方法具有简便易行的优良性质。不仅如此,LPTP技术也降低了PTP方法中初值选取的敏感性和克服了LS方法需要大量样本量参与来获取模型未知参数的缺陷。研究表明,该方法可改善不同血压模型的血压估计性能。和o PTP方法一样,L-PTP方法仅需要一段静息状态的BP和PTT即可完成特定血压模型的参数标定。鉴于这种简单的校准步骤,L-PTP校准技术可以应用和推广到实践中。（3）研究引入惩罚因子的点对点配对校准技术。考虑到o PTP技术忽略了受试者在静息状态下BP和PTT等生理指标仍然有轻微的波动的问题,本文对o PTP校准技术进行了两次修正,并引入了一个能够实时调节血压估计误差的惩罚因子。具体说来,均值配对（Mean PTP,m PTP）方法是基于o PTP方法对静息状态下PTT的均值估计;因子配对（Factor PTP,f PTP）校准方法是在m PTP的基础上,创造性地按照一定的惩罚机制,引入一个能自适应地调整和实时纠正血压估计误差的惩罚因子。针对f PTP技术,在每一次估计血压时,惩罚因子就像一双看得见的眼睛能够实时地对较大的血压估计误差根据误差大小做出相应的惩戒,使之能够更好地估计血压,更加符合AAMI标准,更好地在无袖血压监测技术中应用和推广。本课题主要开展无袖连续血压估计模型及其个性化校准技术的研究,前者可用于心血管功能评价、心血管疾病的早期诊断与预警;后者可改善血压模型的估计性能。将二者结合在一起,可对心血管疾病的预防、诊断和预后具有重要意义。