1.本发明属于血压监测装置技术领域，尤其涉及一种运动状态下血压监测装置、存储介质及设备。


背景技术：

2.本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
3.现阶段血压测量方法主要分为非连续测量和连续测量两类。非连续测量主要包括医院与家庭中所使用的血压测量装置如电子血压计和水银血压计等，其原理主要是基于示波法或柯式音法，虽然能够较为准确地测量出血压值，但袖带需要频繁充气放气，而且只能测量出某个时刻的血压值，无法对血压进行连续动态测量。而连续动态血压测量又分为无创和有创两类，对于潜在的高血压危重患者具有预警作用，可以通过显示异常的血压值，提醒患者及时就医，尽量避免急性心血管疾病造成的严重危害。有创连续血压测量伴随着严重的并发症，例如局部感染和血栓，另外其造价昂贵且不易操作。
4.无创连续性血压测量方法主要包括动脉张力法、容积补偿法、光电容积脉搏波(ppg)方法，而基于ppg的方法逐渐成为连续血压测量领域的热点。目前研究较多且较为成熟的脉搏波传导时间(ptt)法或脉搏波传导速度(pwv)法需要另一路心电信号并寻找特征点，得到ptt或者pwv与血压的函数关系。但这种方法，需要同时测量脉搏波信号和心电信号，操作不便且设备繁琐、不利携带。
5.现阶段基于ppg的连续血压监测方法，通常会要求受试者保持静止状态进行监测，静止状态下血压监测模型比较完善。然而，由于人体运动状态下的血压比静止状态下血压高，对人体危害更大，相比于静止状态下的血压，运动状态下的血压更具有临床参考价值。人体在运动状态下，各种机械扰动对生理信号采集干扰较大，想要从ppg波形中提取特征参数比较困难。发明人发现，尽管采用滤波或者特征提取等信号处理方法，所能提取的有用信息仍非常少，造成运动状态下的血压监测精度普遍较差。


技术实现要素：

6.为了解决上述背景技术中存在的技术问题，本发明提供一种运动状态下血压监测装置、存储介质及设备，其能够提高运动状态下血压监测的精度。
7.为了实现上述目的，本发明采用如下技术方案：
8.本发明的第一个方面提供一种运动状态下血压监测装置，其包括：
9.ppg波形采集模块，其用于采集受试者从静止状态至运动状态的ppg波形；其中，所述ppg波形包括静止状态、过渡状态和运动状态ppg波形；
10.静止模型构建模块，其用于基于静止状态ppg波形构建静止血压监测模型；
11.运动特征参数提取模块，其用于直接提取运动状态ppg波形的特征参数，逐个判断运动状态下的每个特征参数所对应的噪声系数小于对应噪声阈值且特征参数数值在对应
预设阈值范围内，若是，则相应特征参数不变；否则，根据运动状态时的特征参数与静止状态时的特征参数之间预先构建的函数关系，更新运动状态下相应的特征参数；
12.血压监测模型修正模块，其用于将静止参考血压与采用静止血压监测模型得到的静止血压计算值两者作差得到血压差值，再利用血压差值与从静止状态至运动状态ppg波形的各个特征参数之间函数关系来修正静止血压监测模型，最后利用修正后的血压监测模型对运动状态下的受试者进行血压监测。
13.作为一种实施方式，在所述运动特征参数提取模块中，运动状态时的特征参数与静止状态时的特征参数之间预先构建的函数关系为：
14.x
i-motion
＝x
i-static
+hi(δa，δp，δq)；
15.其中，x
i-motion
为运动状态时的特征参数，x
i-static
为静止状态时的特征参数；hi(δa，δp，δq)为在过渡状态时的特征参数xi的相对于静止时的特征参数的变化量与过渡状态时运动剧烈程度描述参数δa、δp和δq的关系式。
16.作为一种实施方式，在所述运动特征参数提取模块中，运动剧烈程度描述参数δa＝a
present-a
static
，δp＝p
present-p
static
，δq＝q
present-q
static
；
17.其中，a
present
、p
present
和q
present
分别表示当前状态下的运动加速度参数a、一阶差分脉搏波信号的过零点个数参数，二阶差分脉搏波信号的过零点个数参数；a
static
、p
static
和q
static
分别表示静止状态下的运动加速度参数、一阶差分脉搏波信号的过零点个数参数，二阶差分脉搏波信号的过零点个数参数。
18.作为一种实施方式，所述运动状态下血压监测装置，还包括：
19.个体化差异消除模块，其用于消除ppg波形的个体化差异。
20.作为一种实施方式，所述个体化差异包括佩戴松紧度及位置正确性以及皮肤特性量化。
21.作为一种实施方式，在皮肤特性量化的过程中，根据皮肤特征系数与光源光强的模型，计算光源光强调整值；调整后的光源光强为i＝is*(a+b*ε)，其中a和b为匹配系数，ε为受试者的皮肤特征系数，i0为标准出射光强，i1为标准出射光强；is为选定的标准光源光强。
22.作为一种实施方式，在所述静止模型构建模块中，还对静止状态ppg波形进行信号预处理，再对预处理后的静止状态ppg波形进行特征参数提取，最后经相关性分析得到皮尔逊相关系数大于设定阈值的特征参数，并形成对应特征参数集合。
23.作为一种实施方式，在所述运动特征参数提取模块中，噪声系数β＝c*k1+d*k2；c,和d为预设噪声匹配系数，k1为一阶差分信号的过零点数量，k2为二阶差分信号的过零点数量。
24.本发明的第二个方面提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如下步骤：
25.采集受试者从静止状态至运动状态的ppg波形；其中，所述ppg波形包括静止状态、过渡状态和运动状态ppg波形；
26.基于静止状态ppg波形构建静止血压监测模型；
27.直接提取运动状态ppg波形的特征参数，逐个判断运动状态下的每个特征参数所
对应的噪声系数小于对应噪声阈值且特征参数数值在对应预设阈值范围内，若是，则相应特征参数不变；否则，根据运动状态时的特征参数与静止状态时的特征参数之间预先构建的函数关系，更新运动状态下相应的特征参数；
28.将静止参考血压与采用静止血压监测模型得到的静止血压计算值两者作差得到血压差值，再利用血压差值与从静止状态至运动状态ppg波形的各个特征参数之间函数关系来修正静止血压监测模型，最后利用修正后的血压监测模型对运动状态下的受试者进行血压监测。
29.本发明的第三个方面提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如下步骤：
30.采集受试者从静止状态至运动状态的ppg波形；其中，所述ppg波形包括静止状态、过渡状态和运动状态ppg波形；
31.基于静止状态ppg波形构建静止血压监测模型；
32.直接提取运动状态ppg波形的特征参数，逐个判断运动状态下的每个特征参数所对应的噪声系数小于对应噪声阈值且特征参数数值在对应预设阈值范围内，若是，则相应特征参数不变；否则，根据运动状态时的特征参数与静止状态时的特征参数之间预先构建的函数关系，更新运动状态下相应的特征参数；
33.将静止参考血压与采用静止血压监测模型得到的静止血压计算值两者作差得到血压差值，再利用血压差值与从静止状态至运动状态ppg波形的各个特征参数之间函数关系来修正静止血压监测模型，最后利用修正后的血压监测模型对运动状态下的受试者进行血压监测。
34.与现有技术相比，本发明的有益效果是：
35.(1)本发明给出了运动状态下的信号质量的判断标准，使得运动状态下的特征参数获取更为准确，补充了运动状态下无法准确提取的高相关性特征参数，补充方法为过渡状态内，找到了因运动噪声无法准确提取的特征参数与相对应的静止状态下的特征参数的差值与运动剧烈程度描述参数建立起函数关系，这样因运动噪声无法准确提取的特征参数可以通过此函数关系估算出来，使运动状态下的血压预测精度得到提高。
36.(2)本发明提出了消除个体化差异的具体方法，包括引入压力传感器以使受力均匀适度，减少环境光干扰，以及通过调整入射光强来减少不同特征的皮肤对测量结果产生的影响。
37.(3)本发明的该连续血压监测模型对系统运算能力要求较低，可应用于小型嵌入式系统，适用于可穿戴的便携式设备。本发明验证了处于紧张或情绪亢奋状态下受试者的血压变化趋势。
38.本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
39.构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
40.图1是本发明实施例的消除佩戴方式个体差异原理图；
41.图2(a)是本发明实施例的原始脉搏波信号；
42.图2(b)是本发明实施例的一阶差分脉搏波信号；
43.图2(c)是本发明实施例的二阶差分脉搏波信号；
44.图3(a)是本发明实施例的原始脉搏波信号对应的特征参数；
45.图3(b)是本发明实施例的一阶差分脉搏波信号对应的特征参数；
46.图4是本发明实施例的运动状态下血压监测装置原理图；
47.图5(a)是未使用本发明计算的sbp(systolic blood pressure，收缩压)与电子血压计测得的sbp的相关性验证；
48.图5(b)是使用本发明计算的sbp与电子血压计测得的sbp的相关性验证；
49.图5(c)是未使用本发明计算的dbp(舒张压，即血压中低压，d是舒张期英文首字母缩写，bp代表blood pressure，即血压首字母英文缩写)与电子血压计测得的dbp的相关性验证；
50.图5(d)是使用本发明计算的dbp与电子血压计测得的dbp的相关性验证；
51.图6(a)是未使用本发明计算的sbp误差范围及占比；
52.图6(b)是使用本发明计算的sbp误差范围及占比；
53.图6(c)是未使用本发明计算的dbp误差范围及占比；
54.图6(d)是使用本发明计算的dbp误差范围及占比。
具体实施方式
55.下面结合附图与实施例对本发明作进一步说明。
56.应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
57.需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
58.正常情况下，人的由静止到运动或由运动到静止并不是界限分明的两个状态，而是在中间有一个过渡态，如果对人体生理信号进行连续监测会发现，过渡态包含了由静止状态到运动状态的信号变化规律，如果寻找到这些变化规律，就可以通过静止状态和过渡状态的生理信号获得运动状态的生理信号，从而弥补因运动状态干扰大而无法获取足够准确信号导致监测血压准确性差的缺陷。
59.实施例一
60.如图4所示，本实施例提供了一种运动状态下血压监测装置，其包括ppg波形采集模块、静止模型构建模块、运动特征参数提取模块和血压监测模型修正模块。
61.由于受试者存在的个体化差异，为了提高运动状态下血压监测装置最终监测的血压的准确性，运动状态下血压监测装置还包括个体化差异消除模块。其中，个体化差异消除模块用于消除ppg波形的个体化差异。
62.具体地，所述个体化差异包括佩戴松紧度及位置正确性以及皮肤特性量化。
63.受试者存在的个体化差异，如佩戴的松紧度，佩戴位置不平整造成外界环境光干扰，以及皮肤色度，皮肤下组织成分差异，皮肤毛发丰富程度不同等，需要消除个体化差异带来的影响。主要措施如下：
64.一方面，如图1所示，在可穿戴设备上与皮肤贴合一面的四个对角处，嵌入薄膜压力传感器，各个位置的压力值分别为p1，p2，p3，p4，各个位置的压力阈值范围为(p
imin
，p
imax
)(1≤i≤4)，当p1，p2，p3，p4都满足各自位置的压力阈值范围(p
imin
,p
imax
)时，进行下一步，否则将会提示用户调整佩戴松紧度。
65.例如：个体化差异消除模块包括佩戴归一化模块，所述佩戴归一化模块包括压力传感器和微处理器，所述压力传感器设置在所述运动状态下血压监测装置与皮肤贴合一面的四个对角处，用于监测各个对角处的压力值并传送至微处理器，所述微处理器用于判断各个对角处的压力值是否均满足对应位置的压力阈值范围，若是则判定佩戴松紧度达到要求。
66.而且微处理器用于测量任意两个对角处的压力值的差值δp
m，n
，令δp
m，n
＝p
m-pn，(1≤m,n≤4，m≠n)，若δp
m，n
满足阈值范围(δp
min
，δp
max
)时，则认为佩戴位置正确，佩戴松紧度达到要求，可以进行测量。
67.另一方面，将不同人的皮肤特性进行量化，得到皮肤特征系数ε，ε由以下方法定义：规定当标准入射光强为is时，标准出射光强为i0。但由于个体化差异，当标准入射光强为is时，标准出射光强为i1，则即为当前受试者的皮肤特征系数。根据皮肤特征系数与光源光强的模型计算得到光源光强调整值，调整后的光源光强为i＝is*(a+b*ε)，其中a，b为匹配系数，ε为受试者的皮肤特征系数,is为选定的标准光源光强。
68.在具体实施中，ppg波形采集模块，其用于采集受试者从静止状态至运动状态的ppg波形；其中，所述ppg波形包括静止状态、过渡状态和运动状态ppg波形。
69.使用电子血压计采集受试者在静止状态下的参考血压值，同时使用光电传感设备采集受试者在静止状态下的ppg波形；使用光电传感设备采集受试者在过渡状态和运动状态下的ppg波形。
70.在具体实施中，静止模型构建模块，其用于基于静止状态ppg波形构建静止血压监测模型。
71.在所述静止模型构建模块中，根据静止状态ppg波形的特征参数与静止参考血压值之间的关系，构建出静止血压监测模型。
72.在所述静止模型构建模块中，还对静止状态ppg波形进行信号预处理，再对预处理后的静止状态ppg波形进行特征参数提取，最后经相关性分析得到皮尔逊相关系数大于设定阈值的特征参数，并形成对应特征参数集合。
73.具体地，对静止状态下的ppg波形进行信号预处理，得到原始脉搏波信号m，一阶差分脉搏波信号n，二阶差分脉搏波信号q，分别如图2(a)～图2(c)所示。利用局部极大值寻峰算法，分别对m、n、q三类信号进行特征点识别与提取，根据这些特征点，计算得到相应的特征参数。经过相关性分析得到皮尔逊相关系数大于设定阈值(比如：0.6)的特征参数，并形成特征参数集合x＝(x
1-static
,x
2-static
…
x
n-static
)；其中，n-static表示静止状态下的特征点个数。找到这些特征参数与静止参考血压值之间的关系，建立静止状态下的血压监测模型
bp
static
＝f(x1，x2，...xn)。
74.在本实施例中，用到的信号预处理方法包括不同窗长的低通滤波、滑动均值滤波、滑动中值滤波和滑动加权滤波。
75.滑动均值滤波算法：n为窗长值；
76.滑动中值滤波算法：y(k)＝med{x(k)，x(k+1)，...x(k+n-1)},0≤k≤n，n为窗长值。
77.在本步骤中，需要识别的特征点主要有：如图3(a)所示的原始脉搏波信号的主波峰值点(a)，重搏波峰值点(b)，波谷点(c)，降中峡波谷点(d)；如图3(b)所示的一阶差分脉搏波信号的主波峰值点(e)，各个过零点(f1、f2、f3、f4)；二阶差分的峰值点(g)，各个过零点(h1、h2、h3、h4)。
78.其中，皮尔逊相关系数的计算方式如下：
[0079][0080]
其中，x表示参考血压bp,y表示某个需要进行相关性分析的特征参数，cov(x,y)表示协方差，var[x]表示x的方差，var[y]表示y的方差。
[0081]
皮尔逊相关系数大于0.6的特征参数列出如下：
[0082]
原始ppg信号的心动周期t1；舒张期时间t2；舒张期时间占比t2/t1；原始ppg信号主波峰值点与二阶差分的峰值点时间差t3；主波峰值点与重搏波峰值点的时间差t4；收缩期时间t5；收缩期时间占比t5/t1；原始信号主波上升支最大斜率ms(对应的是一阶差分ppg信号的主波峰值点e的值)；主波峰值点高度h1；重搏波峰值点高度h2；降中峡高度h3；波谷点高度h4；一阶差分脉搏波信号的主波峰值点高度h5；收缩期曲线下面积s1；舒张期曲线下面积s2；心血管特征量k，其中，其中，hi为一个心动周期中的所有点的高度值。
[0083]
在具体实施中，运动特征参数提取模块，其用于直接提取运动状态ppg波形的特征参数，逐个判断运动状态下的每个特征参数所对应的噪声系数小于对应噪声阈值且特征参数数值在对应预设阈值范围内，若是，则相应特征参数不变；否则，根据运动状态时的特征参数与静止状态时的特征参数之间预先构建的函数关系，更新运动状态下相应的特征参数。
[0084]
其中，可以采用如静止状态下的特征参数提取方法来提取运动状态下的特征参数；也可直接识别特征点、计算特征参数。
[0085]
对运动状态下采集到的ppg信号质量进行评估，直接提取的运动状态下的特征参数为：x＝(x
1-motion
,x
2-motion
…
x
n-motion
)。
[0086]
其中，对于信号质量，引入噪声系数和运动特征参数阈值进行判断。
[0087]
噪声系数计算公式为β＝c*k1+d*k2，其中c,d为匹配系数。k1为一阶差分信号的过零点数量，k2为二阶差分信号的过零点数量。对于运动状态下的特征参数xi(1≤i≤n)，根据上面的噪声系数计算公式得到β，根据经验设定的β在运动状态下的相对于特征参数xi的阈值为v
ith
；定义xi的值为vi，根据经验设定的vi在运动状态下的数值阈值范围为(th
vimin
，th
vimax
)。若满足(1)噪声系数β小于阈值v
ith
并且满足(2)vi在阈值范围(th
vimin
，th
vimax
)内，
则认为信号质量对于xi来说是满足要求的，并认为此特征参数xi的提取是准确的。否则，认为信号质量对于xi来说不满足要求，需要更新特征参数xi：
[0088]
首先，通过三轴加速度计测量得到运动加速度参数a，令一阶差分脉搏波信号n的过零点个数参数为p，二阶差分脉搏波信号q的过零点个数参数为q。现定义三个运动剧烈程度描述参数δa＝a
present-a
static
，δp＝p
present-p
static
，δq＝q
present-q
static
。其中，a
present
、p
present
和q
present
分别表示当前状态下的运动加速度参数a、一阶差分脉搏波信号n的过零点个数参数p，二阶差分脉搏波信号q的过零点个数参数q；a
static
、p
static
和q
static
分别表示静止状态下的运动加速度参数a、一阶差分脉搏波信号n的过零点个数参数p，二阶差分脉搏波信号q的过零点个数参数q。
[0089]
其次，当运动加速度参数a的值va≤va1时，认为受试者处于静止状态；当va1＜va＜va2时，认为受试者处于过渡状态；当va≥va2时，认为受试者处于运动状态。
[0090]
对于运动状态下待更新的某个特征参数xi(1≤i≤n)，静止状态、过渡状态和运动状态下的xi分别表示为x
i-static
、x
i-transition
和x
i-motion
，那么过渡状态下的x
i-transition
＝x
i-static
+hi(δa，δp，δq)，其中hi(δa，δp，δq)＝x
i-transition-x
i-static
是在过渡状态时得到的特征参数xi的相对于静止时的变化量(x
i-transition-x
i-static
)与过渡状态时运动剧烈程度描述参数δa、δp、δq的关系式。将此关系式y＝hi(δa，δp，δq)应用到运动状态下时，此关系式表示的是运动状态时得到的xi的相对于静止时的变化量(x
i-motion-x
i-static
)与运动状态时运动剧烈程度描述参数δa、δp、δq的关系式。综上，运动状态下提取不准确的特征参数x
j-motion
就可以这样计算：x
i-motion
＝x
i-static
+hi(δa，δp，δq)。
[0091]
综上，特征参数集合x＝(x
1-motion
,x
2-motion
…
x
n-motion
)中的待更新的特征参数xi经过以上步骤进行更新，从而达到补全n个特征参数的目标。
[0092]
在具体实施中，血压监测模型修正模块，其用于首先获取静止参考血压，然后将其与采用静止血压监测模型得到的静止血压计算值作差得到血压差值，再利用血压差值与从静止状态至运动状态ppg波形的各个特征参数之间函数关系来修正静止血压监测模型，最后利用修正后的血压监测模型对运动状态下的受试者进行血压监测。具体实现过程如下所述。
[0093]
静止状态下，静止参考血压(bp
static-ref
，即静止时电子血压计测得的血压)与使用模型bp
static
＝f(x1，x2，...xn)计算得到的血压bp
static-cal
之差为δbp＝bp
static-ref-bp
static-cal
。找到δbp与各个特征参数xi之间函数关系，即δbp＝g(x1，x2，...xn)。经过修正后的用于运动状态的血压监测模型为：bp
motion
＝bp
static
+δbp＝f(x1，x2，...xn)+g(x1，x2，...xn)。
[0094]
为了得到过渡状态下的集合x＝(x
1-motion
,x
2-motion
…
x
n-motion
)中的各个特征参数和运动状态下尽量多得提取出准确的特征参数x
j-motion
(1≤j≤m，m未知，其大小根据每个人的信号质量决定)，需要调整滑动均值滤波和滑动中值滤波算法的窗长值以及低通滤波的截止频率。具体措施是增加滑动均值滤波和滑动中值滤波算法的窗长值以及降低低通滤波的截止频率。(如确需说明具体数值，可根据经验增加2个窗长值以及降低2hz的截止频率)。
[0095]
实际测量血压时，使用血压监测模型：
[0096]
bp
motion
＝bp
static
+δbp＝f(x1，x2，...xn)+g(x1，x2，...xn)测量即可。
[0097]
图5(a)-图5(d)是使用血压模型算法计算得到的血压和电子血压计测得的血压的
一致性检验和相关性分析。通过对比图5(a)和图5(b)可以发现，图5(b)的相关系数更高，因而使用本发明计算sbp的准确度更高；通过对比图5(c)和图5(d)可以发现，b-2的相关系数更高，因而使用本发明计算dbp的准确度更高。
[0098]
图6(a)-图6(d)是使用血压模型算法计算得到的血压和电子血压计测得的血压的差值的范围示意图。通过对比图6(a)和图6(b)可以发现，图6(b)的sbp的差值在0-5mmhg和5-10mmhg占比更高，因而使用本发明计算sbp的准确性更好；通过对比图6(c)和图6(d)可以发现，图6(d)的dbp的差值在0-5mmhg占比更高且在10-15mmhg的占比更小，因而使用本发明计算dbp的准确性更好。
[0099]
实施例二
[0100]
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如下步骤：
[0101]
采集受试者从静止状态至运动状态的ppg波形；其中，所述ppg波形包括静止状态、过渡状态和运动状态ppg波形；
[0102]
基于静止状态ppg波形构建静止血压监测模型；
[0103]
直接提取运动状态ppg波形的特征参数，逐个判断运动状态下的每个特征参数所对应的噪声系数小于对应噪声阈值且特征参数数值在对应预设阈值范围内，若是，则相应特征参数不变；否则，根据运动状态时的特征参数与静止状态时的特征参数之间预先构建的函数关系，更新运动状态下相应的特征参数；
[0104]
将静止参考血压与采用静止血压监测模型得到的静止血压计算值两者作差得到血压差值，再利用血压差值与从静止状态至运动状态ppg波形的各个特征参数之间函数关系来修正静止血压监测模型，最后利用修正后的血压监测模型对运动状态下的受试者进行血压监测。
[0105]
实施例三
[0106]
本实施例提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如下步骤：
[0107]
采集受试者从静止状态至运动状态的ppg波形；其中，所述ppg波形包括静止状态、过渡状态和运动状态ppg波形；
[0108]
基于静止状态ppg波形构建静止血压监测模型；
[0109]
直接提取运动状态ppg波形的特征参数，逐个判断运动状态下的每个特征参数所对应的噪声系数小于对应噪声阈值且特征参数数值在对应预设阈值范围内，若是，则相应特征参数不变；否则，根据运动状态时的特征参数与静止状态时的特征参数之间预先构建的函数关系，更新运动状态下相应的特征参数；
[0110]
将静止参考血压与采用静止血压监测模型得到的静止血压计算值两者作差得到血压差值，再利用血压差值与从静止状态至运动状态ppg波形的各个特征参数之间函数关系来修正静止血压监测模型，最后利用修正后的血压监测模型对运动状态下的受试者进行血压监测。
[0111]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁
碟、光盘、只读存储记忆体(read-only memory，rom)或随机存储记忆体(random access memory，ram)等。
[0112]
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。