技术特征：
1.一种基于电容耦合电极的非接触式血压检测仪及方法，其特征在于，包括电容耦合激励电极、电容耦合测量电极、电容耦合参考电极、心电与阻抗容积信号测量模块、数据采集模块、特征提取模块、阻抗容积特征参数计算模块、ptt血压计算模块、ptt融合阻抗容积参数的机器学习模块和血压预测模块，所述电容耦合激励电极、所述电容耦合测量电极、所述电容耦合参考电极、所述心电与阻抗容积信号测量模块、所述数据采集模块、所述特征提取模块、所述阻抗容积特征参数计算模块、所述ptt血压计算模块、所述ptt融合阻抗容积参数的机器学习模块和所述血压预测模块依次连接；所述电容耦合激励电极，用于和所述电容耦合测量电极配合贴附于人体手臂的衣物外侧进行进行阻抗容积特性检测；所述另外的电容耦合测量电极，用于和所述电容耦合参考电极配合贴附于人体心胸部的衣物外侧进行进行心电图信号检测；所述心电与阻抗容积信号测量模块，用于同步采集电容耦合阻抗容积率(ccipg)信号和电容耦合心电图(ccecg)信号；所述数据采集模块，用于将接收到的胸导联ccecg、手臂ccipg信号转化为数字信号并传输给控制器，使得控制器得到测量者的电容耦合心电图波形和阻抗容积率波形图；所述特征提取模块，用于获取脉搏波传导时间(pwtt)；所述阻抗容积特征参数计算模块，用于获取阻抗容积率波形图上所反映心血管系统生理特性的形态学特征参数；所述ptt血压计算模块，用于计算血压值1；所述ptt融合阻抗容积参数的机器学习模块，用于将阻抗容积率波形图上所反映心血管系统生理特性的形态学特征参数与血压值1作为样本数据进行学习训练，进行最终血压模型的建立；所述血压预测模块用于人体血压值的预测。2.根据权利要求1所述的阻抗容积特征参数计算模块。其特征是，所述的阻抗容积率波形图上所反映人体心血管系统生理特性的形态学特征参数包括：bc段时间占单周期时间比值(t
rbc
)、cx段时间占单周期时间比值(t
rcx
)、射血时间占单周期比(t
r
)、缓慢射血期时间(t
cx
)、射血时间(t
bx
)以及每搏心输出量(s
bx
)。3.根据权利要求1所述的一种基于电容耦合电极的非接触式血压检测仪及方法。其特征是：舒张压dbp的计算表达式为：dbp＝a*lnpwtt+b*hr
j
+c*t
rcx
+d*t
r
+e*t
cx
+f*s
bx
+g收缩压sbp的计算表达式为：sbp＝α*lnpwtt+β*t
rbc
+δ*t
rcx
+ε*t
r
+γ其中，a、b、c、d、e、f、g、α、β、δ、ε、γ等参数值则通过测量者进行匹配取值，获取m组测量者的心电阻抗容积率数据组，m≥2，并同步使用血压计测量收缩压和舒张压。心电及阻抗容积率数据组内包括心率、脉搏波传导时间以及阻抗容积率波形图的形态学参数。将m组心电阻抗容积率数据组和对应的收缩压、舒张压代入训练，便可得到与之匹配的模型参数值。4.根据权利要求1所述的ptt融合阻抗容积参数的机器学习模块，其特征是：基于极端随机森林模型的机器学习方式，建立非线性血压模型的方法详细如下，一、将阻抗容积率信
号波形图的形态学特征参数引入到ptt血压计算模块所组成的指标数据集中，二、从原始训练集中选取6组样本数据，生成6个训练集；三、对6个训练集分别训练6个决策树模型；四、针对单个决策树模型选择最好的特征进行分裂，多次重复上述操作；五、将生成的6颗决策树组成的随机森林；六、得到血压的预测值，根据测试集交叉验证得到验证集的结果，从而评估回归模型结果的正确性。
技术总结
本发明公开了一种基于电容耦合电极的非接触血压检测仪及方法，电容耦合激励电极和电容耦合测量电极贴附于人体手臂衣物外侧进行阻抗容积特性检测；电容耦合测量电极与电容耦合参考电极贴附于人体心胸部衣物外侧进行心电图信号检测；心电与阻抗容积信号测量模块用于同步采集电容耦合阻抗容积率（CCIPG）信号和电容耦合心电图（CCECG）信号；数据采集模块用于将接收到的胸导联CCECG、手臂CCIPG信号转化为数字信号并传输给控制器，使得控制器得到测量者的电容耦合心电图波形和阻抗容积率波形图；特征提取模块用于获取脉搏波传导时间（PWTT）；阻抗容积特征参数计算模块用于获取人体血流动力学参数；PTT血压计算模块用于计算血压值1；PTT融合阻抗容积参数的机器学习模块用于将人体血流动力学参数与血压值1作为样本数据进行学习训练，进行最终血压模型的建立；血压预测模块用于人体血压值的预测，从而可以实现血压的实时监测与心血管健康状态的分析，不需要将电极直接贴附于皮肤，不会引起测量者的不适，可广泛用于人体健康监测等领域。可广泛用于人体健康监测等领域。可广泛用于人体健康监测等领域。
技术研发人员：许川佩 唐鹏 陈业锴 莫玮 胡聪 张活
受保护的技术使用者：桂林电子科技大学
技术研发日：2022.03.15
技术公布日：2022/6/7