CN115670408B - 血压测量装置及其线性模型系数自修正方法及系统 - Google Patents

血压测量装置及其线性模型系数自修正方法及系统 Download PDF

Info

Publication number
CN115670408B
CN115670408B CN202211692039.5A CN202211692039A CN115670408B CN 115670408 B CN115670408 B CN 115670408B CN 202211692039 A CN202211692039 A CN 202211692039A CN 115670408 B CN115670408 B CN 115670408B
Authority
CN
China
Prior art keywords
linear model
blood pressure
coefficient
measuring device
correction
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202211692039.5A
Other languages
English (en)
Other versions
CN115670408A (zh
Inventor
李勇
卢永真
张敏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Kefu Medical Technology Co ltd
Original Assignee
Kefu Medical Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Kefu Medical Technology Co ltd filed Critical Kefu Medical Technology Co ltd
Priority to CN202211692039.5A priority Critical patent/CN115670408B/zh
Publication of CN115670408A publication Critical patent/CN115670408A/zh
Application granted granted Critical
Publication of CN115670408B publication Critical patent/CN115670408B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

本发明提供血压测量装置及其线性模型系数自修正方法及系统，方法包括：利用臂式血压测量装置以及PPG传感器血压测量装置对同一对象进行血压测量；每测得一组数据时，根据同一组测得的数据分别对收缩压及舒张压线性模型的当前系数进行一次修正，得到修正后的估计系数以及线性模型的均方误差；将当前系数对应更新为修正后的估计系数；每次修正后，线性模型的均方误差均为基于该组测得数据得到的最小值。该方法以臂式血压测量装置测得的数据作为标准参考，基于最小均方误差的最优化思想，结合多组测得的数据进行多次修正，PPG传感器血压线性模型的系数向量逐步向用户血压特征逼近，并可单独使用，以修正后的系数准确测量出特定用户的血压值。

Description

血压测量装置及其线性模型系数自修正方法及系统
技术领域
本发明涉及血压测量领域，更具体地，涉及血压测量装置及其线性模型系数自修正方法及系统。
背景技术
目前在血压测量领域，除了能够高精度测量血压的臂式血压计外，还陆续推出了各种新型便携式的血压计，如手表式腕式血压计，一般是采用内置PPG（Photo PlethysmoGraphy，光电容积描记技术，简称PPG技术）传感器的方式对测量对象进行血压测量。PPG技术是指利用光电容积描计进行人体心率的检测，PPG传感器发射可穿过皮肤组织和血管的光束，血管吸收了部分的光，其余部分将反射回到PPG传感器的光检测器中，根据血管对光吸收的变化确定血管中血液流动的变化，从而实现对人体血压的测量。关于利用PPG技术测量血压的血压计主要分为两类：一类是利用单个PPG传感器并基于线性模型进行测量的血压计，一类是多传感器基于计算PTT（脉搏传输时间）的血压计。
第一类：PPG传感器基于线性模型的血压计
该血压计计算血压的线性模型包括收缩压线性模型，以及舒张压线性模型：
收缩压线性模型
Figure SMS_1
;
Figure SMS_2
为系数向量，
Figure SMS_3
为特征值向量，其中特征值元素
Figure SMS_4
，具体为舒张期时间占比、收缩期时间占比和心率等等PPG特征值。
舒张压
Figure SMS_5
;
Figure SMS_6
为系数向量，
Figure SMS_7
为特征值向量，其中特征值元素
Figure SMS_8
具体为舒张期时间占比、收缩期时间占比和心率等等PPG特征值。
在线性模型中，系数向量很大程度上决定了血压计算结果的准确性，而系数向量在现有技术中的确定方法一般是：在血压计的研发阶段，采集大量的血压特征数据，称之为群体血压特征数据，利用这些采集的大数据进行相关性分析与回归分析，从而确定线性模型的系数。此种方法求得的系数拟合于群众的血压特征，能够普遍适用于大众的血压测量，但个人血压特征常与大众血压特征有所差异，而系数并不最优拟合于个体的血压特征。因此，尽管利用群体血压特征数据拟合的参数可普遍适用于大众，但实际上不是最优适用于个体，在测量个体血压时，此系数将存在一定的误差。因此由现有技术确定的系数向量还有进一步向个体血压特征修正的空间。
第二类：多传感器基于计算PTT的血压计
该血压计中的多传感器至少由PPG传感器和ECG传感器两个传感器构成。
1）此类血压计需要的传感器及其相关电路过多，使检测设备的重量、空间大小、和成本等关键资源的负担过大，且设备的佩戴位置极其严苛。
2）多传感器中的ECG传感器极其依赖于电极，而移动式设备的电极仅一导联远远达不到标准心电的五导联，导致传感器信号过差、易受干扰、PTT误差过大，从而导致血压计算的系统误差过大。
3）大多基于PTT线性模型或广义线性模型都是通过采集大量数据并进行相关分析和回归分析得到，因此也具有第一类血压计的缺点。
发明内容
本发明旨在克服上述现有技术的至少一种缺陷，提供血压测量装置及其线性模型系数自修正方法及系统，用于解决现有技术中基于PPG技术进行血压测量时无法最优适用于个体血压测量，无法提高个体血压测量准确性的问题。
本发明采用的技术方案包括：
第一方面，本发明提供一种血压测量装置线性模型系数自修正方法，包括：S110、利用臂式血压测量装置以及PPG传感器血压测量装置对同一对象进行若干次血压测量，并将测得的若干次数据作为一组数据；S120、至少根据臂式血压测量装置和PPG传感器血压测量装置在同一组测得的数据，分别对收缩压线性模型的当前系数和舒张压线性模型的当前系数进行一次修正，分别得到修正后的估计系数以及线性模型的估计系数与真实系数之间的均方误差；S130、将收缩压线性模型的当前系数和舒张压线性模型的当前系数对应更新为修正后的估计系数；重复执行步骤S110~S130以对收缩压线性模型的系数和舒张压线性模型的系数进行若干次修正；在每次执行步骤S120后，收缩压线性模型的估计系数与真实系数之间的均方误差，以及舒张压线性模型的估计系数与真实系数之间均方误差均为基于该组测得的数据得到的最小值。
本发明提供的PPG传感器血压测量装置线性模型系数自修正方法，针对PPG传感器的血压测量装置中用于计算血压的线性模型的系数进行修正，修正的过程以测量精度较高的臂式血压测量装置测得的数据作为标准参考，结合PPG传感器血压测量装置测得的数据，在修正的过程中得到线性模型的估计系数，从而对线性模型的当前系数进行更新，每次修正后可使线性模型的系数与真实系数之间的均方误差为最小值，即基于每一组测得的数据进行修正后得到的系数用于计算用户的血压值时，都能够最接近用户真实的血压特征状态。基于此最优化思想，结合多次测得的数据进行多次修正后，PPG传感器血压测量装置中血压线性模型的系数向量逐步向用户血压特征逼近。在不进行系数修正的情况下，PPG传感器血压测量装置也可以独使用，并以修正后的系数准确测量出特定用户的血压值。
进一步，步骤S120具体包括以下步骤：S121、根据预先构建的线性模型数据观测方程，以及预先构建的线性模型系数变化的状态方程，结合臂式血压测量装置和PPG传感器血压测量装置在同一组测得的数据，分别估计得到对应收缩压线性模型和舒张压线性模型的协方差矩阵
Figure SMS_9
；所述协方差矩阵
Figure SMS_10
为影响线性模型系数变化的随机向量的协方差矩阵；S122、根据臂式血压测量装置和血压测量装置在同一组测得的数据、在上一次修正中确定的线性模型的均方误差或预先确定的线性模型的初始均方误差、估计得到的协方差矩阵
Figure SMS_11
，以及预先设定的血压数据观测误差的协方差矩阵
Figure SMS_12
，分别对收缩压线性模型的当前系数和舒张压线性模型的当前系数进行一次修正，分别得到修正后的估计系数以及线性模型的估计系数与真实系数之间的均方误差。
在对线性模型进行修正时应将影响线性模型系数变化的随机向量作为重要考虑因素，线性模型的系数之所以需要通过修正才能够贴合特定用户的血压特征，主要是因为随着用户身体状态与心情的变化，会引起其血压特征上的变化，该变化是随机的，只有线性模型的系数修正考虑到了这种随机变化，才能够测量出更加符合用户的血压特征值。其次，无论是臂式血压测量装置还是PPG传感器血压测量装置都存在观测上的误差，这是由器件特性引起的，因此在修正线性模型的系数时也要考虑器件本身的误差。在估算得到影响线性模型系数变化的随机向量的协方差矩阵
Figure SMS_13
，结合预先设定的血压数据观测误差的协方差矩阵
Figure SMS_14
，以及两个血压测量装置测得的数据对线性模型的系数进行修正，能够得到更加准确且有效的系数。
进一步，步骤S122具体包括以下步骤：分别对收缩压线性模型以及收缩压线性模型执行以下步骤以分别对收缩压线性模型的当前系数以及舒张压线性模型的当前系数进行一次修正：S1221、根据线性模型的当前系数得到本次修正的系数的估计值；S1222、根据在上一次修正中确定的线性模型的均方误差
Figure SMS_15
或线性模型的初始均方误差、估计得到的协方差矩阵
Figure SMS_16
、PPG传感器血压测量装置本组测得的线性模型的特征值、血压数据观测误差的协方差矩阵
Figure SMS_17
确定本次修正的均方误差；S1223、根据本次修正的系数的估计值、在上一次修正中确定的线性模型的均方误差
Figure SMS_18
或线性模型的初始均方误差、估计得到的协方差矩阵
Figure SMS_19
、PPG传感器血压测量装置本组测得的线性模型的特征值、血压数据观测误差的协方差矩阵
Figure SMS_20
，以及臂式血压测量装置本组测得的收缩压或舒张压的数据，确定本次修正后的估计系数。
在每一次对线性模型的系数进行修正时，需要依赖于上一次修正过程中得到的估计系数与真实系数之间的均方误差以及估计系数，利用了上一状态与下一状态之间的关系，根据上一次修正得到的数据估计本次修正中所需的数据。在具体修正的过程中，PPG传感器血压测量装置测得的线性模型的特征值用于确定本次修正中系数的均方误差，而臂式血压测量装置测得的收缩压或舒张压的数据作为标准参考值，用于确定本次修正后的估计系数。
进一步，针对收缩压线性模型的当前系数的第k次修正，步骤S1221具体包括：根据公式
Figure SMS_34
得到收缩压线性模型在第k次修正中系数的估计值；所述k≥1，所述
Figure SMS_36
为收缩压线性模型在第k次修正的系数的估计值，所述
Figure SMS_37
为收缩压线性模型的当前系数；当所述k的值为1时，所述收缩压线性模型的当前系数为预先确定的收缩压线性模型的初始系数；所述
Figure SMS_38
为单位矩阵；步骤S1222具体包括：根据公式
Figure SMS_39
确定收缩压线性模型在第k次修正中均方误差的估计值；所述
Figure SMS_40
为收缩压线性模型在第k次修正中均方误差的估计值；所述
Figure SMS_41
为收缩压线性模型在第k-1次中修正中确定的均方误差，当所述k的值为1时，所述
Figure SMS_21
为收缩压线性模型的初始均方误差；所述
Figure SMS_22
为在第k-1次修正后影响收缩压线性模型系数变化的随机向量的协方差矩阵；根据公式
Figure SMS_24
确定收缩压线性模型在第k次修正中的中间值；所述
Figure SMS_25
为收缩压线性模型在第k次修正中的中间值；所述
Figure SMS_28
为PPG传感器血压测量装置在第k组测得的收缩压线性模型的特征值，所述
Figure SMS_29
为
Figure SMS_33
的转置矩阵；所述
Figure SMS_35
为预设的收缩压数据观测误差的协方差矩阵；根据公式
Figure SMS_23
确定收缩压线性模型在第k次修正中的均方误差；所述
Figure SMS_26
为收缩压线性模型在第k次修正中的均方误差；步骤S1223具体包括：根据公式
Figure SMS_27
确定收缩压线性模型在第k次修正后的估计系数；所述
Figure SMS_30
为收缩压线性模型在第k次修正后的估计系数，
Figure SMS_31
为臂式血压测量装置在第k组测得的收缩压数据；步骤S130中所述将收缩压线性模型的当前系数更新为修正后的估计系数，具体包括：将所述k的值加1，表示完成一次修正，并将本次修正后的系数
Figure SMS_32
作为收缩压线性模型的当前系数。
进一步，针对舒张压线性模型的当前系数的第k次修正，步骤S1221具体包括根据公式
Figure SMS_53
得到舒张压线性模型在第k次修正中系数的估计值；所述k≥1，所述
Figure SMS_55
为舒张压线性模型在第k次修正的系数的估计值，所述
Figure SMS_57
为舒张压线性模型的当前系数，当所述k的值为1时，所述舒张压线性模型的当前系数为预先确定的舒张压线性模型的初始系数；所述
Figure SMS_58
为单位矩阵；步骤S1222具体包括：根据公式
Figure SMS_60
确定舒张压线性模型在第k次修正中均方误差的估计值；所述
Figure SMS_61
为舒张压线性模型在第k次修正中均方误差的估计值，所述
Figure SMS_62
为舒张压线性模型在第k-1次修正中确定的均方误差，当所述k的值为1时，所述
Figure SMS_43
为舒张压线性模型的初始均方误差；所述
Figure SMS_44
为在第k-1次修正后影响舒张压线性模型系数变化的随机向量的协方差矩阵；根据公式
Figure SMS_46
确定舒张压线性模型在第k次修正中的中间值；所述
Figure SMS_49
为舒张压线性模型在第k次修正中的中间值；所述
Figure SMS_52
为PPG传感器血压测量装置在第k组测得的舒张压线性模型的特征值，所述
Figure SMS_54
为
Figure SMS_56
的转置矩阵；
Figure SMS_59
为预设的舒张压数据观测误差的协方差矩阵；根据公式
Figure SMS_42
确定舒张压线性模型在第k次修正中的均方误差；所述
Figure SMS_45
为舒张压线性模型在第k次修正中的均方误差；步骤S1223具体包括：根据公式
Figure SMS_47
确定舒张压线性模型在第k次修正后的估计系数；所述
Figure SMS_48
为舒张压线性模型在第k次修正后的估计系数，
Figure SMS_50
为臂式血压测量装置在第k组测得的舒张压数据；步骤S130中所述将收缩压线性模型的当前系数更新为修正后的估计系数，具体包括：将所述k的值加1，表示完成一次修正，并将本次修正后的
Figure SMS_51
作为舒张压线性模型的当前系数。
进一步，预先构建的收缩压线性模型数据观测方程为
Figure SMS_73
；
Figure SMS_75
为臂式血压测量装置第k组测量到的收缩压数据，
Figure SMS_77
为PPG传感器血压测量装置第k组测得的收缩压线性模型的特征值矩阵，
Figure SMS_79
为收缩压线性模型在测量第k组数据时的当前系数，
Figure SMS_80
为臂式血压测量装置以及PPG传感器血压测量装置在测量第k组数据时所测量收缩压的误差随机向量；预先构建的收缩压线性模型系数变化的状态方程为
Figure SMS_81
；
Figure SMS_82
为PPG传感器血压测量装置在测量第k组数据时收缩压线性模型的当前系数，
Figure SMS_63
为单位矩阵，
Figure SMS_66
为PPG传感器血压测量装置在测量第k-1组数据时收缩压线性模型的当前系数，
Figure SMS_68
为在第k-1次修正后影响收缩压线性模型系数变化的随机向量；预先构建的舒张压线性模型数据观测方程
Figure SMS_70
；
Figure SMS_72
为臂式血压测量装置第k组测量到的舒张压数据，
Figure SMS_74
为PPG传感器血压测量装置第k组测得的舒张压线性模型的特征值矩阵，
Figure SMS_76
为收缩压线性模型在测量第k组数据时的当前系数，
Figure SMS_78
为臂式血压测量装置以及PPG传感器血压测量装置在测量第k组数据时所测量舒张压的误差随机向量；预先构建的舒张压线性模型系数变化的状态方程为
Figure SMS_64
；
Figure SMS_65
为PPG传感器血压测量装置在测量第k组数据时舒张压线性模型的当前系数，
Figure SMS_67
为单位矩阵，
Figure SMS_69
为PPG传感器血压测量装置在测量第k-1组数据时舒张压线性模型的当前系数，
Figure SMS_71
为在第k-1次修正后影响舒张压线性模型系数变化的随机向量。
进一步，在对收缩压线性模型的当前系数和舒张压线性模型的当前系数进行修正之前，方法还包括：根据群体血压特征数据确定收缩压线性模型的初始系数以及舒张压线性模型的初始系数。
线性模型的初始系数均根据大量的群体血压特征数据进行回归分析得到，该初始系数适用于大众进行血压测量，但并不是最贴合特定用户的血压特征状态，需经过后续的多次修正对其进行调整，使线性模型的系数向量更加逼近用户的真实血压状态。
第二方面，本发明提供一种PPG传感器血压测量装置线性模型系数自修正系统，包括臂式血压测量装置以及PPG传感器血压测量装置；所述臂式血压测量装置包括血压测量模块和数据传输模块；所述血压测量模块用于对测量对象进行血压测量；所述数据传输模块用于在自修正模式下，每测得一组血压数据后将其传输至PPG传感器血压测量装置；所述PPG传感器血压测量装置包括数据接收模块、PPG血压测量模块以及自修正模块；所述数据接收模块用于在自修正模式下，接收臂式血压测量装置的数据传输模块传输的血压数据，并将其传输至自修正模块；所述PPG血压测量模块用于在自修正模式或分离模式下，均利用自修正模块进行系数更新后的收缩压线性模型和舒张压线性模型对测量对象进行血压测量；所述自修正模块，用于在自修正模式下，在血压测量模块和PPG血压测量模块每测得一组数据时，至少根据血压测量模块和PPG血压测量模块同一次测得的数据，分别对收缩压线性模型的当前系数和舒张压线性模型的当前系数进行一次修正，分别得到修正后的估计系数以及线性模型的估计系数与真实系数之间的均方误差；将收缩压线性模型的当前系数和舒张压线性模型的当前系数对应更新为修正后的估计系数；每次修正后，收缩压线性模型的估计系数与真实系数之间的均方误差，以及舒张压线性模型的估计系数与真实系数之间均方误差均为基于该组测得的数据得到的最小值。
第三方面，本发明提供一种基于PPG传感器血压测量装置的数据测量方法，包括：每当利用上述的自修正方法对收缩压线性模型的当前系数进行一次修正后，将PPG传感器血压测量装置中的收缩压线性模型的当前系数更新为该次修正后得到的收缩压线性模型的当前系数；每当利用上述的自修正方法对舒张压线性模型的当前系数进行一次修正后，将PPG传感器血压测量装置中的舒张压线性模型的当前系数更新为该次修正后得到的舒张压线性模型的当前系数；当PPG传感器血压测量装置在进行血压数据测量时，利用系数更新后的收缩压线性模型以及舒张压线性模型确定测量对象的血压数据。
第四方面，本发明提供一种血压测量装置，利用收缩压线性模型以及舒张压线性模型确定测量对象的血压数据；所述收缩压线性模型的系数，以及所述舒张压线性模型的系数均经过上述的PPG传感器血压测量装置线性模型系数自修正方法进行修正更新。
与现有技术相比，本发明的有益效果为：
本发明提供的系数自修正方法针对PPG传感器的血压测量装置中用于计算血压的线性模型的系数进行修正，以测量精度较高的臂式血压测量装置测得的数据作为标准参考，每当臂式血压测量装置以及PPG传感器血压测量装置测得一组数据时，对收缩压线性模型和舒张压线性模型的当前系数进行修正，修正后得到估计系数并更新为当前系数。每次对系数修正后使得线性模型的系数与真实系数之间的均方误差为最小值，即基于每一组测得的数据进行修正后得到的系数用于计算使用用户的血压值时，都能够最接近用户真实的血压特征状态。基于最小均方误差的最优化思想，结合多次测得的数据对模型系数进行多次修正后，PPG传感器血压测量装置中线性模型的系数向量逐步向用户真实的血压特征逼近。利用该方法进行系数修正的PPG传感器血压测量装置可以独使用，并以最新修正后的系数准确测量出特定用户的血压值。
附图说明
图1为本发明实施例1提供的方法步骤S110~S130的流程示意图。
图2为本发明实施例1提供的方法步骤S121~S122的流程示意图。
图3为本发明实施例1提供的方法步骤S1221~S1223的流程示意图。
图4为本发明实施例2提供的方法步骤S210~S240的流程示意图。
图5为本发明实施例3提供的系统组成示意图。
图6为本发明实施例3提供的系统模块组成示意图。
图5标号说明：臂式血压测量装置310；血压测量模块311；数据传输模块312；PPG传感器血压测量装置320；数据接收模块321；PPG血压测量模块322；自修正模块323。
具体实施方式
本发明附图仅用于示例性说明，不能理解为对本发明的限制。为了更好说明以下实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
实施例1
本实施例提供一种PPG传感器血压测量装置线性模型系数自修正方法，用于对PPG传感器血压测量装置中用于计算血压值的线性模型的系数进行修正。PPG传感器血压测量装置一般为腕式血压计，在测量血压时需佩戴在用户的手腕上。PPG传感器血压测量装置基于PPG技术对用户的血压特征值进行测量，并基于内置的线性模型计算得到用户的血压值。在本实施例提供的自修正方法中还包括利用臂式血压测量装置对用户进行血压测量，臂式血压测量装置一般也称为上臂式血压计，利用臂带缠在用户的右臂上对用户的血压进行测量，是目前精准度较高的一种血压测量仪器。
如图1所示，该方法包括以下步骤：
S110、利用臂式血压测量装置以及PPG传感器血压测量装置对同一对象进行若干次血压测量，并将测得的若干次数据作为一组数据。
在本实施例中，臂式血压测量装置与PPG传感器血压测量装置测量的是同一对象的血压，结合两个血压测量装置对于同一对象的血压测量数据对PPG传感器血压测量装置的线性模型的系数进行修正，以使其在独使用时能够更加精准地计算出特定用户的血压值。
在具体的实施方式中，以参数k的值表示该修正方法的执行次数，在步骤S110第一次执行时，赋值参数k的初始值为1，修正的次数从1开始，在每次修正结束时将k的值增加1，在k的值增加1后，步骤S110将重新执行。在步骤S110中，利用臂式血压测量装置以及PPG传感器血压测量装置对同一对象进行若干次的血压测量，并将测得的若干次数据作为一组数据，记为第k组。每当臂式血压测量装置和PPG传感器血压测量装置测得一组数据时，执行步骤一次步骤S120及其后续步骤。
S120、至少根据臂式血压测量装置和PPG传感器血压测量装置在同一组测得的数据，分别对收缩压线性模型的当前系数和舒张压线性模型的当前系数进行一次修正，分别得到修正后的估计系数以及线性模型的估计系数与真实系数之间的均方误差；
PPG传感器血压测量装置中利用收缩压线性模型和舒张压线性模型分别计算测量对象的收缩压和舒张压，从而得到测量对象的血压测量结果。
收缩压线性模型为
Figure SMS_83
，用于计算收缩压，其中，sys为收缩压
Figure SMS_84
，为系数向量；
Figure SMS_85
为特征值向量，每个特征值向量由PPG传感器测得，包括有舒张期时间占比、收缩期时间占比、心率等等。利用本实施例提供的方法进行修正的是收缩压线性模型的系数w。
舒张压线性模型为
Figure SMS_86
，用于计算舒张压，其中，dia为舒张压，
Figure SMS_87
为系数向量，
Figure SMS_88
为特征值向量，每个特征值向量由PPG传感器测得，包括有舒张期时间占比、收缩期时间占比、心率等等。利用本实施例提供的方法进行修正的是舒张压线性模型的系数v。
PPG传感器血压测量装置测得的每组数据由n+1次测得的数据组成，每次测得的数据包括收缩压线性模型的特征值向量
Figure SMS_89
，以及舒张压线性模型的特征值向量
Figure SMS_90
。每组测得的数据包括收缩压线性模型的扩展特征值矩阵
Figure SMS_91
，以及舒张压线性模型的扩展特征值矩阵
Figure SMS_92
。再记收缩压线性模型的扩展系数矩阵
Figure SMS_93
，以及舒张压线性模型的扩展系数矩阵
Figure SMS_94
，两者包括在PPG传感器血压测量装置每组测得的数据。
臂式血压测量装置每次测得的数据为收缩压
Figure SMS_95
、舒张压
Figure SMS_96
，测得的每组数据由n+1次测得的数据组成，每组测得的数据表示为收缩压矩阵
Figure SMS_97
和舒张压矩阵
Figure SMS_98
。
在本步骤中，利用臂式血压测量装置以及PPG传感器血压测量装置在同一组测得的数据对收缩压线性模型的当前系数以及舒张压线性模型的当前系数进行修正，以臂式血压测量装置的数据作为标准参考，以对系数进行修正，使修正后的系数应用于线性模型计算血压时更加精准，更加贴合用户的真实血压。
如图2所示，在具体的实施方式中，步骤S120具体包括以下步骤：
S121、根据预先构建的线性模型数据观测方程，以及预先构建的线性模型系数变化的状态方程，结合臂式血压测量装置和PPG传感器血压测量装置在同一组测得的数据，分别估计得到对应收缩压线性模型和舒张压线性模型的协方差矩阵
Figure SMS_99
。
以臂式血压测量装置以及PPG传感器血压测量装置测得第k（k≥1）次数据为例对线性模型的数据观测方程、状态方程以及协方差矩阵的估算过程进行说明：
收缩压线性模型的数据观测方程为
Figure SMS_101
。
Figure SMS_103
为臂式血压测量装置第k组测量到的收缩压数据，
Figure SMS_106
为PPG传感器血压测量装置第k组测得的收缩压线性模型的特征值矩阵，
Figure SMS_108
为收缩压线性模型在测量第k组数据时的当前系数，
Figure SMS_109
为臂式血压测量装置以及PPG传感器血压测量装置在测量第k组数据时所测量收缩压的误差随机向量，
Figure SMS_110
，且
Figure SMS_111
满足
Figure SMS_100
，测量收缩压的误差随机向量源于PPG传感器的精度误差和读数误差，属于平稳随机过程，平稳随机过程是指在不同的时刻概率分布都相同，因为测量误差的概率分布不随时间变化而变化。
Figure SMS_102
为收缩压观测误差
Figure SMS_104
的协方差矩阵。
Figure SMS_105
由血压测量装置的各个元器件的误差累计决定，可根据元器件特性预先设定，并可依据前期的开发实验进行调整确定，确定后，基于同一批原材料生产的机器，不需要再调整
Figure SMS_107
。
舒张压线性模型的数据观测方程为
Figure SMS_113
，其中，
Figure SMS_115
为臂式血压测量装置第k组测量到的舒张压数据，
Figure SMS_116
为PPG传感器血压测量装置第k组测得的舒张压线性模型的特征值矩阵，
Figure SMS_118
为收缩压线性模型在测量第k组数据时的当前系数，
Figure SMS_120
为臂式血压测量装置以及PPG传感器血压测量装置在测量第k组数据时测量舒张压的误差，
Figure SMS_121
，且
Figure SMS_122
满足
Figure SMS_112
，测量舒张压的误差源于PPG传感器的精度误差和读数误差，属于平稳随机的过程。
Figure SMS_114
为舒张压观测误差
Figure SMS_117
的协方差矩阵。
Figure SMS_119
由血压测量装置的各个元器件的误差累计决定，可根据元器件特性预先设定，并可依据每一次的修正效果进行调整。
随着用户的身体状态与心情变化，其血压特征也会随之改变，且该变化是随机的，线性模型的系数修正也需要考虑到这一随机向量，才能够根据更加符合用户血压特征的系数测出更加准确的血压值，因此，需预先构建线性模型的系数变化状态方程。
收缩压线性模型的系数变化状态方程为
Figure SMS_124
，其中，
Figure SMS_125
为PPG传感器血压测量装置在测量第k组数据时收缩压线性模型的当前系数，
Figure SMS_127
为单位矩阵，
Figure SMS_128
为PPG传感器血压测量装置在测量第k-1组数据时收缩压线性模型的当前系数，
Figure SMS_129
为在第k-1次修正后影响收缩压线性模型系数变化的随机向量，
Figure SMS_130
，且
Figure SMS_131
满足
Figure SMS_123
，
Figure SMS_126
为在第k-1次修正后影响收缩压线性模型系数变化的随机向量的协方差矩阵。
舒张压线性模型的系数变化状态方程为
Figure SMS_133
，其中，
Figure SMS_135
为PPG传感器血压测量装置在测量第k组数据时舒张压线性模型的当前系数，
Figure SMS_136
为单位矩阵，
Figure SMS_137
为PPG传感器血压测量装置在测量第k-1组数据时舒张压线性模型的当前系数，
Figure SMS_138
为在第k-1次修正后影响舒张压线性模型系数变化的随机向量，
Figure SMS_139
，且
Figure SMS_140
满足
Figure SMS_132
，
Figure SMS_134
为在第k-1次修正后影响舒张压线性模型系数变化的随机向量的协方差矩阵。
在本步骤中，协方差矩阵
Figure SMS_141
根据臂式血压测量装置与PPG传感器血压测量装置在第k组测量的收缩压数据进行参数估计得出，而协方差矩阵
Figure SMS_142
根据臂式血压测量装置与PPG传感器血压测量装置在第k组测量的舒张压数据进行参数估计得出。具体地，估计的方法可以结合贝叶斯估计或极大似然估计。
S122、根据臂式血压测量装置和PPG传感器血压测量装置在同一组测得的数据、在上一次修正中确定的线性模型的均方误差或线性模型的初始均方误差、估计得到的协方差矩阵
Figure SMS_143
，以及预先设定的血压数据观测误差的协方差矩阵
Figure SMS_144
，分别对收缩压线性模型的当前系数和舒张压线性模型的当前系数进行一次修正，分别得到修正后的估计系数以及线性模型的估计系数与真实系数之间的均方误差；
如图3所示，在具体的实施方式中，在执行步骤S122时，分别对收缩压线性模型以及舒张压线性模型执行以下步骤：
S1221、根据线性模型的当前系数得到本次修正的系数的估计值；
以收缩压线性模型在第k次修正中得到系数估计值的过程为例，具体过程为：
在本步骤中，可根据公式
Figure SMS_145
确定收缩压线性模型本次修正的系数的估计值。该公式基于系数变化状态方程
Figure SMS_146
得到，并忽略了由随机向量带来的误差。
Figure SMS_147
为收缩压线性模型在第k次修正的系数的估计值，
Figure SMS_148
为收缩压线性模型的当前系数，该当前系数经过第k-1次修正。当k的值为1时，
Figure SMS_149
为预先确定的收缩压线性模型的初始系数
Figure SMS_150
，
Figure SMS_151
为单位矩阵。
收缩压线性模型的初始系数
Figure SMS_152
是预先根据群体血压特征数据确定的，即通过大量收集或采集的群体血压特征数据，利用相关性分析和回归分析得到。
以舒张压线性模型在第k次修正中得到系数估计值的过程为例，具体过程为：在本步骤中，根据公式
Figure SMS_153
确定舒张压线性模型本次修正的系数的估计值。该公式基于系数变化状态方程
Figure SMS_154
得到，并忽略了由随机向量带来的误差。
Figure SMS_155
为舒张压线性模型在第k次修正的系数的估计值，
Figure SMS_156
为舒张压线性模型的当前系数，该当前系数经过第k-1次修正。当k的值为1时，
Figure SMS_157
为预先确定的舒张压线性模型的初始系数
Figure SMS_158
。
舒张压线性模型的初始系数
Figure SMS_159
是预先根据群体血压特征数据确定的，通过大量收集或采集的群体血压特征数据，利用相关性分析和回归分析得到。
S1222、根据在上一次修正中确定的线性模型的均方误差
Figure SMS_160
或线性模型的初始均方误差、估计得到的协方差矩阵
Figure SMS_161
、PPG传感器血压测量装置本组测得的线性模型的特征值、血压数据观测误差的协方差矩阵
Figure SMS_162
确定本次修正的均方误差。
线性模型的初始均方误差
Figure SMS_163
是预先确定的，并可以根据每一次对模型系数的修正效果在修正前进行调整。线性模型系数的均方误差用于反映线性模型的真实系数与估计系数之间的差异，由于真实系数会受到随机向量的影响，是无法确定的系数，因此，本步骤通过确定线性模型真实系数与估计系数之间误差的均方值，并使均方误差的期望值达到最小值，从而达到了修正线性模型系数的效果。
以收缩压线性模型在第k次修正中确定本次修正的均方误差为例，具体过程为：
在本步骤中，可根据公式
Figure SMS_164
确定收缩压线性模型在第k次修正中均方误差的估计值。
Figure SMS_165
为收缩压线性模型在第k次修正中均方误差的估计值。
Figure SMS_166
为收缩压线性模型在第k-1次中修正中确定的均方误差，当k的值为1时，
Figure SMS_167
为收缩压线性模型的初始均方误差
Figure SMS_168
。
Figure SMS_169
为在第k-1次修正后影响收缩压线性模型系数变化的随机向量的协方差矩阵。该协方差矩阵可以通过臂式血压测量装置与PPG传感器血压测量装置在第k次测量的收缩压数据进行参数估计得出。估计的方法可以结合贝叶斯估计或极大似然估计。
根据公式
Figure SMS_170
确定收缩压线性模型在第k次修正中的中间值。
Figure SMS_171
为收缩压线性模型在第k次修正中的中间值，中间值用于计算均方误差以及系数估计值。
Figure SMS_172
为PPG传感器血压测量装置在第k组测得的收缩压线性模型的特征值矩阵。
Figure SMS_173
为
Figure SMS_174
的转置矩阵。
Figure SMS_175
为预先设定的收缩压数据观测误差的协方差矩阵，可以根据每一次系数修正的效果在修正前进行调整。
根据公式
Figure SMS_176
确定收缩压线性模型在第k次修正中的均方误差。
Figure SMS_177
为收缩压线性模型在第k次修正中的均方误差。
以舒张压线性模型在第k次修正中确定本次修正的均方误差为例，具体过程为：在本步骤中，可根据公式
Figure SMS_178
确定舒张压线性模型在第k次修正中均方误差的估计值。
Figure SMS_179
为舒张压线性模型在第k次修正中均方误差的估计值，
Figure SMS_180
为舒张压线性模型在第k-1次修正中确定的均方误差，当k的值为1时，
Figure SMS_181
为舒张压线性模型的初始均方误差
Figure SMS_182
。
Figure SMS_183
为在第k-1次修正后影响舒张压线性模型系数变化的随机向量的协方差矩阵。该协方差矩阵可以通过臂式血压测量装置与PPG传感器血压测量装置在第k次测量的舒张压数据进行参数估计得出。估计的方法可以结合贝叶斯估计或极大似然估计。
根据公式
Figure SMS_184
确定舒张压线性模型在第k次修正中的中间值。
Figure SMS_185
为舒张压线性模型在第k次修正中的中间值，中间值用于计算均方误差以及系数估计值。
Figure SMS_186
为PPG传感器血压测量装置在第k组测得的舒张压线性模型的特征值矩阵。
Figure SMS_187
为
Figure SMS_188
的转置矩阵。
Figure SMS_189
为预设的舒张压数据观测误差的协方差矩阵。
Figure SMS_190
为预先设定的舒张压数据观测误差的协方差矩阵，可以根据每一次系数修正的效果在修正前进行调整。
根据公式
Figure SMS_191
确定收缩压线性模型在第k次修正中的均方误差。
Figure SMS_192
为舒张压线性模型在第k次修正中的均方误差。
S1223、根据本次修正的系数的估计值、在上一次修正中确定的线性模型的均方误差
Figure SMS_193
或线性模型的初始均方误差、估计得到的协方差矩阵
Figure SMS_194
、PPG传感器血压测量装置本组测得的线性模型的特征值、血压数据观测误差的协方差矩阵
Figure SMS_195
，以及臂式血压测量装置本组测得的收缩压或舒张压的数据，确定本次修正后的估计系数。
线性模型的系数在每次修正时都需要结合臂式血压测量装置在同一组测得的数据，以臂式血压测量装置测得的数据作为标准参考。
以收缩压线性模型在第k次修正中确定本次修正后的估计参数为例，具体过程为：
在本步骤中可根据公式
Figure SMS_196
确定收缩压线性模型在第k次修正后的估计系数。
Figure SMS_197
为收缩压线性模型在第k次修正后的估计系数。
Figure SMS_198
为臂式血压测量装置第k组测得的收缩压数据。
Figure SMS_199
为PPG传感器血压测量装置第k组测得的收缩压线性模型的特征值。
Figure SMS_200
为收缩压线性模型在第k次修正中的中间值。
Figure SMS_201
为收缩压线性模型在第k次修正的系数的估计值。
以舒张压线性模型在第k次修正中确定本次修正后的估计参数为例，具体过程为：
在本步骤中可根据公式
Figure SMS_202
确定舒张压线性模型在第k次修正后的估计系数。
Figure SMS_203
为收缩压线性模型在第k次修正后的估计系数。
Figure SMS_204
为臂式血压测量装置在第k组测得的舒张压数据。
Figure SMS_205
为PPG传感器血压测量装置在第k组测得的舒张压线性模型的特征值。
Figure SMS_206
为舒张压线性模型在第k次修正中的中间值。
Figure SMS_207
为舒张压线性模型在第k次修正的系数的估计值。
S130、将本次修正后的系数作为线性模型的当前系数。
在本步骤中，具体是将收缩压线性模型的当前系数和舒张压线性模型的当前系数对应更新为修正后的估计系数。本步骤为线性模型系数修正的最后一个步骤，在执行本步骤时，还包括将k的值加1，并在一定时间间隔后重复执行步骤S110及后续步骤，重新获取新的一组数据并对线性模型的系数进行修正。在具体的实施方式中，可通过预设k的上限值以结束重复修正的过程，也可以通过预设时间上限值等等方式结束方法的执行，在此不作限制。
在每次对线性模型的系数进行修正后，收缩压线性模型的估计系数与真实系数之间的均方误差，以及舒张压线性模型的估计系数与真实系数之间均方误差均为基于该组测得的数据得到的最小值。
本实施例提供的系数自修正方法针对PPG传感器的血压测量装置中用于计算血压的线性模型的系数进行修正，以测量精度较高的臂式血压测量装置测得的数据作为标准参考，每当臂式血压测量装置以及PPG传感器血压测量装置测得一组收缩压和舒张压数据时，将臂式血压测量装置测得的收缩压和舒张压的数据用于估计得到收缩压线性模型和舒张压线性模型的当前系数，在修正的过程中以线性模型的真实系数与估计系数之间的均方误差最小值为目的，并将传感器自身的误差考虑其中，每次修正后得到一估计系数，并将其更新为线性模型的当前系数。基于最小均方误差的最优化思想，结合多次测得的数据对模型系数进行多次修正后，PPG传感器血压测量装置中线性模型的系数向量逐步向用户真实的血压特征逼近。利用该方法进行系数修正的PPG传感器血压测量装置可以独使用，并以最新修正后的系数准确测量出特定用户的血压值，利用公式
Figure SMS_208
计算收缩压，利用公式
Figure SMS_209
计算舒张压。
实施例2
基于与实施例1相同的构思，本实施例提供一种PPG传感器血压测量装置线性模型系数自修正方法，与实施例1不同的是，实施例1中PPG传感器血压测量装置的收缩压线性模型和舒张压线性模型均为多维/多阶线性模型，本实施例中PPG传感器血压测量装置的收缩压线性模型和舒张压线性模型均为二维/二阶线性模型，即收缩压线性模型为
Figure SMS_210
，舒张压线性模型为
Figure SMS_211
，其中，特征值
Figure SMS_212
与
Figure SMS_213
均为舒张期时间占比、
Figure SMS_214
与
Figure SMS_215
均为心率，也就是说，本实施例中两个线性模型的特征值是一致的。
如图4所示，本实施例提供的方法包括以下步骤：
S210、利用臂式血压测量装置以及PPG传感器血压测量装置对同一对象进行若干次血压测量，并将测得的若干次数据作为一组数据。
收缩压线性模型为
Figure SMS_216
，用于计算收缩压，其中，sys为收缩压，
Figure SMS_217
为系数矩阵；
Figure SMS_218
为PPG传感器血压测量装置每次测得的特征值向量，
Figure SMS_219
为PPG传感器血压测量装置每组测得数据的特征值矩阵，每组测得的数据由3次测得的数据组成。
舒张压线性模型为
Figure SMS_220
，用于计算舒张压，其中，dia为舒张压，
Figure SMS_221
为系数矩阵。
臂式血压测量装置每次测得的数据为收缩压
Figure SMS_222
、舒张压
Figure SMS_223
，
Figure SMS_224
，每组测得的数据由3次测得的数据组成，表示为收缩压矩阵
Figure SMS_225
和舒张压矩阵
Figure SMS_226
。
在具体的实施方式中，以参数k的值表示该修正方法的执行次数，在步骤S210第一次执行时，赋值参数k的初始值为1，修正的次数从1开始，在每次修正结束时将k的值增加1，在k的值增加1后，步骤S210将重新执行。在步骤S210中，利用臂式血压测量装置以及PPG传感器血压测量装置对同一对象进行若干次的血压测量，并将测得的若干次数据作为一组数据，记为第k组。每当臂式血压测量装置和PPG传感器血压测量装置测得一组数据时，执行步骤一次步骤S220及其后续步骤。
S220、根据预先构建的线性模型数据观测方程，以及预先构建的线性模型系数变化的状态方程，结合臂式血压测量装置和PPG传感器血压测量装置在同一组测得的数据，分别估计得到对应收缩压线性模型和舒张压线性模型的协方差矩阵
Figure SMS_227
。
预先构建的收缩压线性模型的数据观测方程为
Figure SMS_228
，其中，
Figure SMS_229
为臂式血压测量装置以及PPG传感器血压测量装置在测量第k组数据时所测量收缩压的误差随机向量，
Figure SMS_230
，且
Figure SMS_231
满足
Figure SMS_232
。
Figure SMS_233
为收缩压观测误差
Figure SMS_234
的协方差矩阵。
预先构建的舒张压线性模型的数据观测方程为
Figure SMS_235
，其中，
Figure SMS_236
为臂式血压测量装置以及PPG传感器血压测量装置在测量第k组数据时测量舒张压的误差，
Figure SMS_237
，且
Figure SMS_238
满足
Figure SMS_239
。
Figure SMS_240
为舒张压观测误差
Figure SMS_241
的协方差矩阵。
收缩压线性模型的系数变化状态方程为
Figure SMS_242
，其中，
Figure SMS_244
为第k次测量数据时收缩压线性模型的当前系数，
Figure SMS_245
为单位矩阵，
Figure SMS_247
为第k-1次测量数据时收缩压线性模型的当前系数，
Figure SMS_248
为在第k-1次修正后影响收缩压线性模型系数变化的随机向量，
Figure SMS_249
，且
Figure SMS_250
满足
Figure SMS_243
，
Figure SMS_246
为在第k-1次修正后影响收缩压线性模型系数变化的随机向量的协方差矩阵。
舒张压线性模型的系数变化状态方程为
Figure SMS_252
，其中，
Figure SMS_253
为第k次测量数据时舒张压线性模型的当前系数，
Figure SMS_254
为单位矩阵，
Figure SMS_256
为第k-1次测量数据时舒张压线性模型的当前系数，
Figure SMS_257
为在第k-1次修正后影响舒张压线性模型系数变化的随机向量，
Figure SMS_258
，且
Figure SMS_259
满足
Figure SMS_251
，
Figure SMS_255
为在第k-1次修正后影响舒张压线性模型系数变化的随机向量的协方差矩阵。
在本步骤中，协方差矩阵
Figure SMS_260
根据臂式血压测量装置与PPG传感器血压测量装置在第k组测量的收缩压数据进行参数估计得出，而协方差矩阵
Figure SMS_261
根据臂式血压测量装置与PPG传感器血压测量装置在第k次测量的舒张压数据进行参数估计得出。具体地，估计的方法可以结合贝叶斯估计或极大似然估计。
在本实施例中，以贝叶斯估计协方差矩阵
Figure SMS_262
和
Figure SMS_263
为例进行说明：
忽略收缩压线性模型的数据观测方程
Figure SMS_265
中的观测误差
Figure SMS_267
，得到公式
Figure SMS_270
。再根据收缩压线性模型的系数变化状态方程
Figure SMS_271
，其中，
Figure SMS_272
，
Figure SMS_273
为
Figure SMS_274
的协方差矩阵，
Figure SMS_264
为独立且视为服从正态分布，即
Figure SMS_266
，则
Figure SMS_268
，且有
Figure SMS_269
。
Figure SMS_276
作为待估计参数，
Figure SMS_279
的先验分布视为正态分布，即
Figure SMS_282
，其中
Figure SMS_283
和
Figure SMS_284
根据先验经验选取。收缩压线性模型中的待估计参数
Figure SMS_285
，根据贝叶斯估计理论，结合
Figure SMS_286
，有：
Figure SMS_275
，待估计参数
Figure SMS_277
的估计值
Figure SMS_278
由公式
Figure SMS_280
得到，从而估计得到
Figure SMS_281
。
同样地，忽略舒张压线性模型的数据观测方程
Figure SMS_288
中的观测误差
Figure SMS_289
，得到公式
Figure SMS_291
。再根据舒张压线性模型的系数变化状态方程
Figure SMS_294
，其中，
Figure SMS_295
，
Figure SMS_296
为
Figure SMS_297
的协方差矩阵，
Figure SMS_287
为独立且视为服从正态分布，即
Figure SMS_290
，则
Figure SMS_292
，且有
Figure SMS_293
。
Figure SMS_299
作为待估计参数，
Figure SMS_300
的先验分布视为正态分布，即
Figure SMS_302
，其中
Figure SMS_304
和
Figure SMS_306
根据先验经验选取。舒张压线性模型中的待估计参数
Figure SMS_308
，根据贝叶斯估计理论，结合
Figure SMS_309
，有：
Figure SMS_298
，待估计参数
Figure SMS_301
的估计值
Figure SMS_303
由公式
Figure SMS_305
得到，从而估计得到
Figure SMS_307
。
S231、根据线性模型的当前系数得到本次修正的系数的估计值；
以收缩压线性模型在第k次修正中确定系数估计值为例，具体过程为：根据公式
Figure SMS_310
确定收缩压线性模型本次修正的系数的估计值。
Figure SMS_311
为收缩压线性模型在第k次修正的系数的估计值，
Figure SMS_312
为收缩压线性模型的当前系数，该当前系数经过第k-1次修正。当k的值为1时，
Figure SMS_313
为预先确定的收缩压线性模型的初始系数
Figure SMS_314
，
Figure SMS_315
为单位矩阵。
收缩压线性模型的初始系数
Figure SMS_316
是预先根据群体血压特征数据确定的，即通过大量收集或采集的群体血压特征数据，利用相关性分析和回归分析得到。
以舒张压线性模型在第k次修正中确定系数估计值为例，具体过程为：根据公式
Figure SMS_317
确定收缩压线性模型本次修正的系数的估计值。
Figure SMS_318
为舒张压线性模型在第k次修正的系数的估计值，
Figure SMS_319
为舒张压线性模型的当前系数，该当前系数经过第k-1次修正。当k的值为1时，
Figure SMS_320
为预先确定的舒张压线性模型的初始系数
Figure SMS_321
。
舒张压线性模型的初始系数
Figure SMS_322
是预先根据群体血压特征数据确定的。
S232、根据在上一次修正中确定的线性模型的均方误差
Figure SMS_323
或线性模型的初始均方误差、估计得到的协方差矩阵
Figure SMS_324
、PPG传感器血压测量装置本组测得的线性模型的特征值、血压数据观测误差的协方差矩阵
Figure SMS_325
确定本次修正的均方误差。
线性模型的初始均方误差
Figure SMS_326
是预先确定的，并可以根据每一次对模型系数的修正效果在修正前进行调整。
以收缩压线性模型在第k次修正中确定本次修正的均方误差为例，具体过程为：
根据公式
Figure SMS_327
确定收缩压线性模型在第k次修正中均方误差的估计值。
Figure SMS_328
为收缩压线性模型在第k次修正中均方误差的估计值。
Figure SMS_329
收缩压线性模型在第k-1次中修正中确定的均方误差，当k的值为1时，
Figure SMS_330
为收缩压线性模型的初始均方误差
Figure SMS_331
。
Figure SMS_332
为在第k-1次修正后影响收缩压线性模型系数变化的随机向量的协方差矩阵。该协方差矩阵可以通过臂式血压测量装置与PPG传感器血压测量装置在第k次测量的收缩压数据进行参数估计得出。
根据公式
Figure SMS_333
确定收缩压线性模型在第k次修正中的中间值。
Figure SMS_334
为收缩压线性模型在第k次修正中的中间值，中间值用于计算均方误差以及系数估计值。
Figure SMS_335
为PPG传感器血压测量装置在第k组测得的收缩压线性模型以及舒张压线性模型的特征值。
Figure SMS_336
为
Figure SMS_337
的转置矩阵。
Figure SMS_338
为预先设定的收缩压数据观测误差的协方差矩阵。
根据公式
Figure SMS_339
确定收缩压线性模型在第k次修正中的均方误差。
Figure SMS_340
为收缩压线性模型在第k次修正中的均方误差。
以舒张压线性模型在第k次修正中确定本次修正的均方误差为例，具体过程为：
根据公式
Figure SMS_341
确定舒张压线性模型在第k次修正中均方误差的估计值。
Figure SMS_342
为舒张压线性模型在第k次修正中均方误差的估计值，
Figure SMS_343
为舒张压线性模型在第k-1次修正中确定的均方误差，当k的值为1时，
Figure SMS_344
为舒张压线性模型的初始均方误差
Figure SMS_345
。
Figure SMS_346
为在第k-1次修正后影响舒张压线性模型系数变化的随机向量的协方差矩阵。该协方差矩阵可以通过臂式血压测量装置与PPG传感器血压测量装置在第k次测量的舒张压数据进行参数估计得出。
根据公式
Figure SMS_347
确定舒张压线性模型在第k次修正中的中间值。
Figure SMS_348
为舒张压线性模型在第k次修正中的中间值，中间值用于计算均方误差以及系数估计值。
Figure SMS_349
为预设的舒张压数据观测误差的协方差矩阵。
Figure SMS_350
为预先设定的舒张压数据观测误差的协方差矩阵。
根据公式
Figure SMS_351
确定收缩压线性模型在第k次修正中的均方误差。
Figure SMS_352
为舒张压线性模型在第k次修正中的均方误差。
S233、根据本次修正的系数的估计值、在上一次修正中确定的线性模型的均方误差
Figure SMS_353
或线性模型的初始均方误差、估计得到的协方差矩阵
Figure SMS_354
、PPG传感器血压测量装置本组测得的线性模型的特征值、血压数据观测误差的协方差矩阵
Figure SMS_355
，以及臂式血压测量装置本组测得的收缩压或舒张压的数据，确定本次修正后的估计系数。
以收缩压线性模型在第k次修正中确定本次修正后的估计参数为例，具体过程为：
根据公式
Figure SMS_356
确定收缩压线性模型在第k次修正后的估计系数。
Figure SMS_357
为收缩压线性模型在第k次修正后的估计系数。
Figure SMS_358
为臂式血压测量装置在第k组测得的收缩压数据。
Figure SMS_359
为PPG传感器血压测量装置在第k组测得的收缩压线性模型和舒张压线性模型的特征矩阵。
Figure SMS_360
为收缩压线性模型在第k次修正中的中间值。
Figure SMS_361
为收缩压线性模型在第k次修正的系数的估计值。
以舒张压线性模型在第k次修正中确定本次修正后的估计参数为例，具体过程为：
根据公式
Figure SMS_362
确定舒张压线性模型在第k次修正后的估计系数。
Figure SMS_363
为收缩压线性模型在第k次修正后的估计系数。
Figure SMS_364
为臂式血压测量装置在第k组测得的舒张压数据。
Figure SMS_365
为舒张压线性模型在第k次修正中的中间值。
Figure SMS_366
为舒张压线性模型在第k次修正的系数的估计值。
S240、将本次修正后的系数作为线性模型的当前系数。
在本步骤中，具体是将收缩压线性模型的当前系数和舒张压线性模型的当前系数对应更新为修正后的估计系数。本步骤为线性模型系数修正的最后一个步骤，在执行本步骤时，还包括将k的值加一，并在一定时间间隔后重复执行步骤S210及后续步骤，重复对线性模型的系数进行修正。在具体的实施方式中，可通过预设k的上限值以结束重复修正的过程，也可以通过预设时间上限值等等方式结束方法的执行，在此不作限制。
在每次对线性模型的系数进行修正后，收缩压线性模型的估计系数与真实系数之间的均方误差，以及舒张压线性模型的估计系数与真实系数之间均方误差均为基于该组测得的数据得到的最小值。
本实施例与实施例1除了PPG传感器血压测量装置的收缩压线性模型和舒张压线性模型均为二维/二阶线性模型这一区别之外，本实施例中提及的相同的步骤、参数、定义，以及步骤的原理和所带来的有益效果均与实施例1相同，其解释和说明可参考实施例1中的内容，在本实施例中不再赘述。
实施例3
基于与实施例1相同的构思，本实施例提供一种PPG传感器血压测量装置线性模型系数自修正系统，结合图5~6所示，由臂式血压测量装置310和PPG传感器血压测量装置320组成。
该系统包括有自修正模式以及分离模式，在自修正模式下，臂式血压测量装置310与PPG传感器血压测量装置320共同测量同一对象的血压数据，臂式血压测量装置310测得的每组数据都共享至PPG传感器血压测量装置320，PPG传感器血压测量装置320借助臂式血压测量装置310测得的数据进行线性模型的系数修正。在分离模式下，PPG传感器血压测量装置320可利用目前最新修正的系数独测量同一对象的血压数据。
结合图5~6所示，臂式血压测量装置310包括血压测量模块311和数据传输模块312。
血压测量模块311用于对测量对象进行血压测量。
数据传输模块312用于在自修正模式下，每测得一组血压数据后将其传输至PPG传感器血压测量装置320。
PPG传感器血压测量装置320包括数据接收模块321、PPG血压测量模块322以及自修正模块323。
数据接收模块321用于在自修正模式下，接收臂式血压测量装置310的数据传输模块312传输的血压数据，并将其传输至自修正模块323。
PPG血压测量模块322用于在自修正模式或分离模式下，均利用自修正模块323进行系数更新后的收缩压线性模型和舒张压线性模型对测量对象进行血压测量。
自修正模块323，用于在自修正模式下，在血压测量模块311和PPG血压测量模块322每测得一组数据时，至少根据血压测量模块311和PPG血压测量模块322同一次测得的数据，分别对收缩压线性模型的当前系数和舒张压线性模型的当前系数进行一次修正，分别得到修正后的估计系数以及线性模型的估计系数与真实系数之间的均方误差；将收缩压线性模型的当前系数和舒张压线性模型的当前系数对应更新为修正后的估计系数。
每次修正后，收缩压线性模型的估计系数与真实系数之间的均方误差，以及舒张压线性模型的估计系数与真实系数之间均方误差均为基于该组测得的数据得到的最小值。
具体地，自修正模块323包括：
协方差矩阵估算元3231，用于根据预先构建的线性模型数据观测方程，以及预先构建的线性模型系数变化的状态方程，结合臂式血压测量装置和PPG传感器血压测量装置在同一组测得的数据，分别估计得到对应收缩压线性模型和舒张压线性模型的协方差矩阵
Figure SMS_367
。
协方差矩阵
Figure SMS_368
为影响线性模型系数变化的随机向量的协方差矩阵。估计协方差矩阵
Figure SMS_369
的方式例如有贝叶斯估计和极大似然估计。
系数及均方误差估算元3232，用于根据臂式血压测量装置和PPG传感器血压测量装置在同一组测得的数据、线性模型在上一次修正中确定的均方误差或线性模型的初始均方误差、估计得到的协方差矩阵
Figure SMS_370
，以及预先设定的血压数据观测误差的协方差矩阵
Figure SMS_371
，分别对收缩压线性模型的当前系数和舒张压线性模型的当前系数进行一次修正，分别得到修正后的估计系数以及线性模型的估计系数与真实系数之间的均方误差。
系数及均方误差估算元3232具体用于，根据线性模型的当前系数得到本次修正的系数的估计值；根据在上一次修正中确定的线性模型的均方误差
Figure SMS_372
或线性模型的初始均方误差、估计得到的协方差矩阵
Figure SMS_373
、PPG传感器血压测量装置本组测得的线性模型的特征值、血压数据观测误差的协方差矩阵
Figure SMS_374
确定本次修正的均方误差；根据本次修正的系数的估计值、线性模型在上一次修正中确定的均方误差
Figure SMS_375
或线性模型的初始均方误差、估计得到的协方差矩阵
Figure SMS_376
、PPG传感器血压测量装置本组测得的线性模型的特征值、血压数据观测误差的协方差矩阵
Figure SMS_377
，以及臂式血压测量装置本组测得的收缩压或舒张压的数据，确定本次修正后的估计系数。
在具体的实施方式中，针对收缩压线性模型的当前系数的第k次修正，系数及均方误差估算元3232的具体处理过程包括：
根据公式
Figure SMS_378
得到收缩压线性模型在第k次修正中系数的估计值。
所述k≥1，所述
Figure SMS_379
为收缩压线性模型在第k次修正的系数的估计值，
Figure SMS_380
为收缩压线性模型的当前系数，该当前系数经过第k-1次修正。当k的值为1时，
Figure SMS_381
为预先确定的收缩压线性模型的初始系数
Figure SMS_382
，
Figure SMS_383
为单位矩阵。
根据公式
Figure SMS_384
确定收缩压线性模型在第k次修正中均方误差的估计值；
所述
Figure SMS_385
为收缩压线性模型在第k次修正中均方误差的估计值。
Figure SMS_386
为收缩压线性模型在第k-1次中修正中确定的均方误差，当k的值为1时，
Figure SMS_387
为收缩压线性模型的初始均方误差
Figure SMS_388
。
Figure SMS_389
为在第k-1次修正后影响收缩压线性模型系数变化的随机向量的协方差矩阵；
根据公式
Figure SMS_390
确定收缩压线性模型在第k次修正中的中间值；
所述
Figure SMS_391
为收缩压线性模型在第k次修正中的中间值，中间值用于计算均方误差以及系数估计值。
Figure SMS_392
为PPG传感器血压测量装置在第k组测得的收缩压线性模型的特征值矩阵。
Figure SMS_393
为
Figure SMS_394
的转置矩阵。
Figure SMS_395
为预先设定的收缩压数据观测误差的协方差矩阵；
根据公式
Figure SMS_396
确定收缩压线性模型在第k次修正中的均方误差；
所述
Figure SMS_397
为收缩压线性模型在第k次修正中的均方误差；
根据公式
Figure SMS_398
确定收缩压线性模型在第k次修正后的估计系数；
所述
Figure SMS_399
为收缩压线性模型在第k次修正后的估计系数。
Figure SMS_400
为臂式血压测量装置第k组测得的收缩压数据；
将所述k的值加一，并将本次修正后的系数
Figure SMS_401
作为收缩压线性模型的当前系数。
针对舒张压线性模型的当前系数的第k次修正，系数及均方误差估算元3232的具体处理过程包括：
根据公式
Figure SMS_402
得到舒张压线性模型在第k次修正中系数的估计值；
Figure SMS_403
为舒张压线性模型在第k次修正的系数的估计值，
Figure SMS_404
为舒张压线性模型的当前系数，该当前系数经过第k-1次修正。当k的值为1时，
Figure SMS_405
为预先确定的舒张压线性模型的初始系数
Figure SMS_406
；所述
Figure SMS_407
为单位矩阵。
根据公式
Figure SMS_408
确定舒张压线性模型在第k次修正中均方误差的估计值。
其中，
Figure SMS_409
为舒张压线性模型在第k次修正中均方误差的估计值，
Figure SMS_410
为舒张压线性模型在第k-1次修正中确定的均方误差，当k的值为1时，
Figure SMS_411
为舒张压线性模型的初始均方误差
Figure SMS_412
。
Figure SMS_413
为在第k-1次修正后影响舒张压线性模型系数变化的随机向量的协方差矩阵；
根据公式
Figure SMS_414
确定舒张压线性模型在第k次修正中的中间值；
所述
Figure SMS_415
为舒张压线性模型在第k次修正中的中间值，中间值用于计算均方误差以及系数估计值。
Figure SMS_416
为预设的舒张压数据观测误差的协方差矩阵。
Figure SMS_417
为预先设定的舒张压数据观测误差的协方差矩阵；
根据公式
Figure SMS_418
确定舒张压线性模型在第k次修正中的均方误差；
所述
Figure SMS_419
为舒张压线性模型在第k次修正中的均方误差；
根据公式
Figure SMS_420
确定舒张压线性模型在第k次修正后的估计系数；
所述
Figure SMS_421
为收缩压线性模型在第k次修正后的估计系数。
Figure SMS_422
为臂式血压测量装置在第k组测得的舒张压数据；
将所述k的值加一，并将本次修正后的
Figure SMS_423
作为舒张压线性模型的当前系数。
具体地，收缩压线性模型的初始系数以及舒张压线性模型的初始系数是根据群体血压特征数据确定的。
上述的PPG传感器血压测量装置线性模型系数自修正系统的实施方式中，各功能模块的逻辑划分仅作为举例说明，实际应用中可根据需要，例如出于硬件的配置要求或软件的实现的考虑，将上述功能分配由不同的功能模块完成，即可对模块的内部结构划分为与上述内容不同的功能模块，但能够完成以上描述的全部功能。其次，上述示例的PPG传感器血压测量装置线性模型系数自修正系统的各模块之间的信息交互、执行过程等内容，由于与本实施例1所提供的PPG传感器血压测量装置线性模型系数自修正方法基于同一构思，其原理和所带来的技术效果与实施例1的方法相同，具体内容可参见方法实施方式的叙述，此处不再赘述。
实施例4
基于与实施例1相同的构思，本实施例提供一种基于PPG传感器血压测量装置的数据测量方法。
该方法包括：
每当利用实施例1提供的自修正方法对收缩压线性模型的当前系数进行一次修正后，将PPG传感器血压测量装置中的收缩压线性模型的当前系数更新为该次修正后得到的收缩压线性模型的当前系数。
每当利用实施例1提供的自修正方法对舒张压线性模型的当前系数进行一次修正后，将PPG传感器血压测量装置中的舒张压线性模型的当前系数更新为该次修正后得到的舒张压线性模型的当前系数。
在PPG传感器血压测量装置在进行血压数据测量时，利用系数更新后的收缩压线性模型以及舒张压线性模型确定测量对象的血压数据。
实施例5
基于与实施例1相同的构思，本实施例提供一种血压测量装置，该装置用于利用收缩压线性模型以及舒张压线性模型确定测量对象的血压数据。
收缩压线性模型的系数，以及舒张压线性模型的系数均经过实施例1提供的PPG传感器血压测量装置线性模型系数自修正方法进行修正更新。
实施例6
基于与实施例1相同的构思，本实施例提供一种设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现实施例1提供的PPG传感器血压测量装置线性模型系数自修正方法。
显然，本发明的上述实施例仅仅是为清楚地说明本发明技术方案所作的举例，而并非是对本发明的具体实施方式的限定。凡在本发明权利要求书的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (8)

1.一种血压测量装置线性模型系数自修正方法，其特征在于，包括：
S110、利用臂式血压测量装置以及PPG传感器血压测量装置对同一对象进行若干次血压测量，并将测得的若干次数据作为一组数据；
S120、至少根据臂式血压测量装置和PPG传感器血压测量装置在同一组测得的数据，分别对收缩压线性模型的当前系数和舒张压线性模型的当前系数进行一次修正，分别得到修正后的估计系数以及线性模型的估计系数与真实系数之间的均方误差；
S130、将收缩压线性模型的当前系数和舒张压线性模型的当前系数对应更新为修正后的估计系数；
重复执行步骤S110~S130以对收缩压线性模型的系数和舒张压线性模型的系数进行若干次修正；
在每次执行步骤S120后，收缩压线性模型的估计系数与真实系数之间的均方误差，以及舒张压线性模型的估计系数与真实系数之间均方误差均为基于该组测得的数据得到的最小值；
步骤S120具体包括以下步骤：
S121、根据预先构建的线性模型数据观测方程，以及预先构建的线性模型系数变化的状态方程，结合臂式血压测量装置和PPG传感器血压测量装置在同一组测得的数据，分别估计得到对应收缩压线性模型和舒张压线性模型的协方差矩阵
Figure QLYQS_1
；
所述协方差矩阵
Figure QLYQS_2
为影响线性模型系数变化的随机向量的协方差矩阵；
S122、根据臂式血压测量装置和血压测量装置在同一组测得的数据、在上一次修正中确定的线性模型的均方误差或预先确定的线性模型的初始均方误差P、估计得到的协方差矩阵
Figure QLYQS_3
，以及预先设定的血压数据观测误差的协方差矩阵
Figure QLYQS_4
，分别对收缩压线性模型的当前系数和舒张压线性模型的当前系数进行一次修正，分别得到修正后的估计系数以及线性模型的估计系数与真实系数之间的均方误差。
2.根据权利要求1所述的血压测量装置线性模型系数自修正方法，其特征在于，步骤S122具体包括以下步骤：
分别对收缩压线性模型以及收缩压线性模型执行以下步骤以分别对收缩压线性模型的当前系数以及舒张压线性模型的当前系数进行一次修正：
S1221、根据线性模型的当前系数得到本次修正的系数的估计值；
S1222、根据在上一次修正中确定的线性模型的均方误差
Figure QLYQS_5
或线性模型的初始均方误差、估计得到的协方差矩阵
Figure QLYQS_6
、PPG传感器血压测量装置本组测得的线性模型的特征值、血压数据观测误差的协方差矩阵
Figure QLYQS_7
确定本次修正的均方误差；
S1223、根据本次修正的系数的估计值、在上一次修正中确定的线性模型的均方误差
Figure QLYQS_8
或线性模型的初始均方误差、估计得到的协方差矩阵
Figure QLYQS_9
、PPG传感器血压测量装置本组测得的线性模型的特征值、血压数据观测误差的协方差矩阵
Figure QLYQS_10
，以及臂式血压测量装置本组测得的收缩压或舒张压的数据，确定本次修正后的估计系数。
3.根据权利要求2所述的血压测量装置线性模型系数自修正方法，其特征在于，针对收缩压线性模型的当前系数的第k次修正，
步骤S1221具体包括：根据公式
Figure QLYQS_11
得到收缩压线性模型在第k次修正中系数的估计值；
所述k≥1，所述
Figure QLYQS_12
为收缩压线性模型在第k次修正的系数的估计值，所述
Figure QLYQS_13
为收缩压线性模型的当前系数；当所述k的值为1时，所述收缩压线性模型的当前系数为预先确定的收缩压线性模型的初始系数；所述
Figure QLYQS_14
为单位矩阵；
步骤S1222具体包括：根据公式
Figure QLYQS_15
确定收缩压线性模型在第k次修正中均方误差的估计值；
所述
Figure QLYQS_16
为收缩压线性模型在第k次修正中均方误差的估计值；所述
Figure QLYQS_17
为收缩压线性模型在第k-1次中修正中确定的均方误差，当所述k的值为1时，所述
Figure QLYQS_18
为收缩压线性模型的初始均方误差；所述
Figure QLYQS_19
为在第k-1次修正后影响收缩压线性模型系数变化的随机向量的协方差矩阵；
根据公式
Figure QLYQS_20
确定收缩压线性模型在第k次修正中的中间值；
所述
Figure QLYQS_21
为收缩压线性模型在第k次修正中的中间值；所述
Figure QLYQS_22
为PPG传感器血压测量装置在第k组测得的收缩压线性模型的特征值，所述
Figure QLYQS_23
为
Figure QLYQS_24
的转置矩阵；所述
Figure QLYQS_25
为预设的收缩压数据观测误差的协方差矩阵；
根据公式
Figure QLYQS_26
确定收缩压线性模型在第k次修正中的均方误差；
所述
Figure QLYQS_27
为收缩压线性模型在第k次修正中的均方误差；
步骤S1223具体包括：根据公式
Figure QLYQS_28
确定收缩压线性模型在第k次修正后的估计系数；
所述
Figure QLYQS_29
为收缩压线性模型在第k次修正后的估计系数，
Figure QLYQS_30
为臂式血压测量装置在第k组测得的收缩压数据；
步骤S130中所述将收缩压线性模型的当前系数更新为修正后的估计系数，具体包括：
将所述k的值加1，表示完成一次修正，并将本次修正后的系数
Figure QLYQS_31
作为收缩压线性模型的当前系数。
4.根据权利要求2所述的血压测量装置线性模型系数自修正方法，其特征在于，针对舒张压线性模型的当前系数的第k次修正，
步骤S1221具体包括根据公式
Figure QLYQS_32
得到舒张压线性模型在第k次修正中系数的估计值；
所述k≥1，所述
Figure QLYQS_33
为舒张压线性模型在第k次修正的系数的估计值，所述
Figure QLYQS_34
为舒张压线性模型的当前系数，当所述k的值为1时，所述舒张压线性模型的当前系数为预先确定的舒张压线性模型的初始系数；所述
Figure QLYQS_35
为单位矩阵；
步骤S1222具体包括：根据公式
Figure QLYQS_36
确定舒张压线性模型在第k次修正中均方误差的估计值；
所述
Figure QLYQS_37
为舒张压线性模型在第k次修正中均方误差的估计值，所述
Figure QLYQS_38
为舒张压线性模型在第k-1次修正中确定的均方误差，当所述k的值为1时，所述
Figure QLYQS_39
为舒张压线性模型的初始均方误差；所述
Figure QLYQS_40
为在第k-1次修正后影响舒张压线性模型系数变化的随机向量的协方差矩阵；
根据公式
Figure QLYQS_41
确定舒张压线性模型在第k次修正中的中间值；
所述
Figure QLYQS_42
为舒张压线性模型在第k次修正中的中间值；所述
Figure QLYQS_43
为PPG传感器血压测量装置在第k组测得的舒张压线性模型的特征值，所述
Figure QLYQS_44
为
Figure QLYQS_45
的转置矩阵；
Figure QLYQS_46
为预设的舒张压数据观测误差的协方差矩阵；
根据公式
Figure QLYQS_47
确定舒张压线性模型在第k次修正中的均方误差；
所述
Figure QLYQS_48
为舒张压线性模型在第k次修正中的均方误差；
步骤S1223具体包括：根据公式
Figure QLYQS_49
确定舒张压线性模型在第k次修正后的估计系数；
所述
Figure QLYQS_50
为舒张压线性模型在第k次修正后的估计系数，
Figure QLYQS_51
为臂式血压测量装置在第k组测得的舒张压数据；
步骤S130中所述将收缩压线性模型的当前系数更新为修正后的估计系数，具体包括：
将所述k的值加1，表示完成一次修正，并将本次修正后的
Figure QLYQS_52
作为舒张压线性模型的当前系数。
5.根据权利要求1~4任一项所述的血压测量装置线性模型系数自修正方法，其特征在于，
预先构建的收缩压线性模型数据观测方程为
Figure QLYQS_53
；
Figure QLYQS_54
为臂式血压测量装置第k组测量到的收缩压数据，
Figure QLYQS_55
为PPG传感器血压测量装置第k组测得的收缩压线性模型的特征值矩阵，
Figure QLYQS_56
为收缩压线性模型在测量第k组数据时的当前系数，
Figure QLYQS_57
为臂式血压测量装置以及PPG传感器血压测量装置在测量第k组数据时所测量收缩压的误差随机向量；
预先构建的收缩压线性模型系数变化的状态方程为
Figure QLYQS_58
；
Figure QLYQS_59
为PPG传感器血压测量装置在测量第k组数据时收缩压线性模型的当前系数，
Figure QLYQS_60
为单位矩阵，
Figure QLYQS_61
为PPG传感器血压测量装置在测量第k-1组数据时收缩压线性模型的当前系数，
Figure QLYQS_62
为在第k-1次修正后影响收缩压线性模型系数变化的随机向量；
预先构建的舒张压线性模型数据观测方程
Figure QLYQS_63
；
Figure QLYQS_64
为臂式血压测量装置第k组测量到的舒张压数据，
Figure QLYQS_65
为PPG传感器血压测量装置第k组测得的舒张压线性模型的特征值矩阵，
Figure QLYQS_66
为收缩压线性模型在测量第k组数据时的当前系数，
Figure QLYQS_67
为臂式血压测量装置以及PPG传感器血压测量装置在测量第k组数据时所测量舒张压的误差随机向量；
预先构建的舒张压线性模型系数变化的状态方程为
Figure QLYQS_68
；
Figure QLYQS_69
为PPG传感器血压测量装置在测量第k组数据时舒张压线性模型的当前系数，
Figure QLYQS_70
为单位矩阵，
Figure QLYQS_71
为PPG传感器血压测量装置在测量第k-1组数据时舒张压线性模型的当前系数，
Figure QLYQS_72
为在第k-1次修正后影响舒张压线性模型系数变化的随机向量。
6.根据权利要求1~4任一项所述的血压测量装置线性模型系数自修正方法，其特征在于，在对收缩压线性模型的当前系数和舒张压线性模型的当前系数进行修正之前，方法还包括：根据群体血压特征数据确定收缩压线性模型的初始系数以及舒张压线性模型的初始系数。
7.一种血压测量装置线性模型系数自修正系统，其特征在于，包括臂式血压测量装置以及PPG传感器血压测量装置；
所述臂式血压测量装置包括血压测量模块和数据传输模块；
所述血压测量模块用于对测量对象进行血压测量；
所述数据传输模块用于在自修正模式下，每测得一组血压数据后将其传输至PPG传感器血压测量装置；
所述PPG传感器血压测量装置包括数据接收模块、PPG血压测量模块以及自修正模块；
所述数据接收模块用于在自修正模式下，接收臂式血压测量装置的数据传输模块传输的血压数据，并将其传输至自修正模块；
所述PPG血压测量模块用于在自修正模式或分离模式下，均利用自修正模块进行系数更新后的收缩压线性模型和舒张压线性模型对测量对象进行血压测量；
所述自修正模块，用于在自修正模式下，在血压测量模块和PPG血压测量模块每测得一组数据时，至少根据血压测量模块和PPG血压测量模块同一次测得的数据，分别对收缩压线性模型的当前系数和舒张压线性模型的当前系数进行一次修正，分别得到修正后的估计系数以及线性模型的估计系数与真实系数之间的均方误差；将收缩压线性模型的当前系数和舒张压线性模型的当前系数对应更新为修正后的估计系数；
每次修正后，收缩压线性模型的估计系数与真实系数之间的均方误差，以及舒张压线性模型的估计系数与真实系数之间均方误差均为基于该组测得的数据得到的最小值；
其中，至少根据血压测量模块和PPG血压测量模块同一次测得的数据，分别对收缩压线性模型的当前系数和舒张压线性模型的当前系数进行一次修正，分别得到修正后的估计系数以及线性模型的估计系数与真实系数之间的均方误差，这一过程具体包括以下步骤：
根据预先构建的线性模型数据观测方程，以及预先构建的线性模型系数变化的状态方程，结合臂式血压测量装置和PPG传感器血压测量装置在同一组测得的数据，分别估计得到对应收缩压线性模型和舒张压线性模型的协方差矩阵；
所述协方差矩阵为影响线性模型系数变化的随机向量的协方差矩阵；
根据臂式血压测量装置和血压测量装置在同一组测得的数据、在上一次修正中确定的线性模型的均方误差或预先确定的线性模型的初始均方误差P、估计得到的协方差矩阵，以及预先设定的血压数据观测误差的协方差矩阵，分别对收缩压线性模型的当前系数和舒张压线性模型的当前系数进行一次修正，分别得到修正后的估计系数以及线性模型的估计系数与真实系数之间的均方误差。
8.一种血压测量装置，其特征在于，利用收缩压线性模型以及舒张压线性模型确定测量对象的血压数据；
所述收缩压线性模型的系数，以及所述舒张压线性模型的系数均经过权利要求1~6任一项所述的血压测量装置线性模型系数自修正方法进行修正更新。
CN202211692039.5A 2022-12-28 2022-12-28 血压测量装置及其线性模型系数自修正方法及系统 Active CN115670408B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211692039.5A CN115670408B (zh) 2022-12-28 2022-12-28 血压测量装置及其线性模型系数自修正方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211692039.5A CN115670408B (zh) 2022-12-28 2022-12-28 血压测量装置及其线性模型系数自修正方法及系统

Publications (2)

Publication Number Publication Date
CN115670408A CN115670408A (zh) 2023-02-03
CN115670408B true CN115670408B (zh) 2023-04-28

Family

ID=85056181

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211692039.5A Active CN115670408B (zh) 2022-12-28 2022-12-28 血压测量装置及其线性模型系数自修正方法及系统

Country Status (1)

Country Link
CN (1) CN115670408B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109497978A (zh) * 2018-09-20 2019-03-22 缤刻普达（北京）科技有限责任公司 血压测量数据修正方法、系统及血压计
CN109524117A (zh) * 2017-09-19 2019-03-26 原相科技股份有限公司 建立特定用户的个人血压估计模型的方法与电子装置
CN113811238A (zh) * 2019-05-08 2021-12-17 深圳市长桑技术有限公司 血压计、血压计控制方法及检测有效的脉搏波的方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103598876B (zh) * 2013-11-22 2016-08-17 哈尔滨工业大学深圳研究生院 数据处理方法及系统
CN106413534B (zh) * 2015-08-08 2020-06-30 深圳先进技术研究院 连续血压测量装置、测量模型建立方法和系统
US10835132B2 (en) * 2017-03-17 2020-11-17 Atcor Medical Pty Ltd Central aortic blood pressure and waveform calibration method
US20210038085A1 (en) * 2017-05-11 2021-02-11 Pixart Imaging Inc. Method and electronic device capable of more accurately establishing personal blood pressure estimation model for specific user based on personal profile of physiological feature of user
US20200178820A1 (en) * 2018-12-11 2020-06-11 Bittium Biosignals Oy Method and arrangement for continuously estimating blood pressure
CN111631698A (zh) * 2020-05-12 2020-09-08 东南大学 基于运动模式级联约束的可穿戴血压监测及修正方法
CN113171070B (zh) * 2021-03-05 2022-02-18 上海立阖泰医疗科技有限公司 一种基于pwtt的动态连续血压测量手表

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109524117A (zh) * 2017-09-19 2019-03-26 原相科技股份有限公司 建立特定用户的个人血压估计模型的方法与电子装置
CN109497978A (zh) * 2018-09-20 2019-03-22 缤刻普达（北京）科技有限责任公司 血压测量数据修正方法、系统及血压计
CN113811238A (zh) * 2019-05-08 2021-12-17 深圳市长桑技术有限公司 血压计、血压计控制方法及检测有效的脉搏波的方法

Also Published As

Publication number Publication date
CN115670408A (zh) 2023-02-03

Similar Documents

Publication Publication Date Title
US11666277B2 (en) Apparatus and method for estimating biometric information
CN109893110B (zh) 一种校准动态血压的方法及装置
CN108601527B (zh) 血压测量设备的校准方法及血压测量设备
CN108024740B (zh) 血压测量方法、血压测量装置以及终端
CN111542892B (zh) 生命体征监视系统和方法
CN109893111B (zh) 一种动态血压测量模式选择方法及装置
WO2016187835A1 (zh) 连续血压测量方法、装置和设备
US20200178820A1 (en) Method and arrangement for continuously estimating blood pressure
CN115670408B (zh) 血压测量装置及其线性模型系数自修正方法及系统
CN108670231B (zh) 血压测量方法、终端和计算机可读存储介质
CN107960998A (zh) 血压测量方法以及血压测量装置
CN112006669B (zh) 一种基于血压测量模型的双通道计算方法的血压仪
JP3054708B1 (ja) ストレス計測装置
CN111528852B (zh) 一种基于足底压力的步态检测方法及系统
CN110934588B (zh) 呼吸传感器灵敏度校准方法
KR101778845B1 (ko) 맥파 전달 시간을 이용한 수축기 혈압 산출 장치 및 그 방법
US20170119265A1 (en) System and Method for using Demographic Data to Derive a Pulse Wave Velocity-Blood Pressure Transform
CN111281372B (zh) 确定心力衰竭变化指标的方法、装置和系统
CN114207451B (zh) 校准传感器
CN114305358B (zh) 血压测量模型的标定方法、装置、计算机设备和存储介质
CN111387939B (zh) 心排量的测量方法、装置、计算机设备和存储介质
TWI715453B (zh) 血壓測量的校準方法、裝置及系統
CN115336990B (zh) 一种基于多点校准的无袖带动态血压测量方法
US20240057878A1 (en) Continuous self-calibrating blood pressure monitoring device and method for its use
CN113499045A (zh) 血压监测方法、系统、设备、主、从穿戴设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant