【技术实现步骤摘要】
本专利技术涉及血压测量领域，具体涉及一种可穿戴设备的血压预测模型的训练方法和血压数据预测方法。
技术介绍
1、血压作为衡量人体心血管健康的重要指标，其准确监测对于预防和管理高血压等心血管疾病具有关键意义。传统的血压测量方法主要依赖袖带式设备，通过间歇性的充气和放气过程测量收缩压和舒张压，存在操作不便、测量不连续及对用户活动限制等缺点。随着可穿戴技术的发展，利用可穿戴设备进行连续、实时血压监测成为研究热点。然而，现有的可穿戴血压监测方法在数据采集精度、实时处理能力及预测准确性方面仍存在诸多挑战。
2、现有技术中，单一传感器往往难以全面反映血压变化的复杂生理机制，多传感器融合的数据处理方法虽有所改进，但在数据预处理、特征提取及模型预测等环节仍需进一步优化。此外，传统的机器学习算法在处理高维、时序性强的数据时，往往难以充分捕捉数据中的深层次特征，导致血压预测的准确性和稳定性不足。
3、基于此，亟需一种新型的数据处理方法，能够有效整合多传感器数据，提升血压预测的精度和实时性，同时具备良好的泛化能力，适应不同用户群体的需求
【技术保护点】
1.一种血压预测模型的训练方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的血压预测模型的训练方法，其特征在于，所述压力特征序列至少包括压力峰值序列、压力谷值序列、压力上升时间序列及压力下降时间序列，得到所述压力特征序列，包括以下步骤：
3.根据权利要求1所述的血压预测模型的训练方法，其特征在于，所述血压特征序列至少包括血液电压峰值序列、血液电压上升速率序列及血液电压下降速率序列，得到所述血压特征序列，包括以下步骤：
4.根据权利要求1所述的血压预测模型的训练方法，其特征在于，得到所述脉搏波传播时间序列，包括以下步骤：>
5.根据权利...
【技术特征摘要】
1.一种血压预测模型的训练方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的血压预测模型的训练方法，其特征在于，所述压力特征序列至少包括压力峰值序列、压力谷值序列、压力上升时间序列及压力下降时间序列，得到所述压力特征序列，包括以下步骤：
3.根据权利要求1所述的血压预测模型的训练方法，其特征在于，所述血压特征序列至少包括血液电压峰值序列、血液电压上升速率序列及血液电压下降速率序列，得到所述血压特征序列，包括以下步骤：
4.根据权利要求1所述的血压预测模型的训练方法，其特征在于，得到所述脉搏波传播时间序列，包括以下步骤：
5.根据权利要求1所述的血压预测模型的训练方法，其特征在于，所述运动强度序列至少包括运动强度等级序列、加速度变化率序列及运动频率序列，得到所述运动强度序列，包括以下步骤：
6.根据权利要求1所述...
【专利技术属性】
技术研发人员：刘伟庭，沈雨田，徐柯翰，金柏丞，张晓珂，潘蒙蒙，居冰峰，
申请(专利权)人：新昌县天姥实验室，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。