一种血压测量方法及可穿戴设备

技术领域

本申请实施例涉及可穿戴设备领域，尤其涉及一种血压测量方法及可穿戴设备。

背景技术

血压是最常测量的临床参数之一。现有的血压测量方法可以分为袖带式测量方法和无袖带式测量方法。

袖带式测量方法，在测量过程中需频繁加压阻断，舒适性低；而且，现有的袖带式测量设备，通常采用外置大体积泵和臂带式气囊的形态，便携性差，不便于日常测量。与袖带式测量方法相比，无袖带式测量方法虽然可以克服舒适性低和不便于日常测量的问题。但是，目前所使用的无袖带式测量方法，如脉搏波传导速度(pulse wave velocity，PWV)法和光电容积脉搏波描记(photoplethysmographic,PPG)法，其测量结果的准确性都较低，不能作为血压测量的参考依据。

发明内容

有鉴于此，本申请提供了一种血压测量方法及可穿戴设备，可以提升血压测量的准确性，为用户的血压判断提供更准确的参考依据。

第一方面，本申请提供了一种血压测量方法，应用于可穿戴于手腕的可穿戴设备，如智能手表、智能手环等。上述方法包括：获取预设时长内用户手腕背部的光电容积脉搏波描记PPG信号和手腕内侧桡动脉处的压力信号。基于压力信号，结合指示PPG信号和压力信号的相位差大小的第一信息，得到第一血压。其中，第一血压为微动脉的血压。将第一血压转换为第二血压，第二血压为用户的肱动脉的血压。

与通过光线照射而测量得到的PPG信号不同的是：压力信号是通过测量直接接触产生的压力而得到的，因此压力信号测得的数据的准确度往往更高。采用本申请，可穿戴设备通过第一信息和压力信号来计算得到微动脉的血压分量，而不是直接使用PPG信号来确定微动脉的血压分量，可以提高确定的微动脉的血压分量的准确性。并且，常规技术中，虽然也有使用PPG信号和压力信号来测量血压的方案，但是其并未考虑到两根血管之间的相位差，不能合理的利用血压影响时间的差异来得到微动脉的血压分量。应理解，在得到更准确的微动脉的血压分量的基础上，也可以转换得到更准确的肱动脉的血压。

在第一方面的一种可能的设计方式中，在获取预设时长内用户手腕背部微动脉处的光电容积脉搏波描记PPG信号和手腕内侧桡动脉处的压力信号之后，上述方法还包括：生成PPG信号对应的PPG波形和压力信号对应的压力波形。其中，第一信息包括PPG波形和压力波形的相位差。或者，第一信息包括PPG波形和压力波形的相位差，以及PPG波形或者压力波形的周期，这样，可以通过相位差和周期的相对大小来衡量相位差大小。

在第一方面的另一种可能的设计方式中，上述基于压力信号，结合指示PPG信号和压力信号的相位差大小的第一信息，得到第一血压，包括：将压力波形的信号幅值和第一信息作为输入，运行第一AI模型，得到第一血压。其中，第一AI模型具有根据微动脉的血压变化波形和桡动脉的血压变化波形的相位大小和桡动脉的血压变化波形的幅值计算微动脉的血压分量的功能。

采用本设计方式，可穿戴设备可以通过AI模型来预测微动脉的血压分量，即第一血压。

在第一方面的另一种可能的设计方式中，上述将第一血压转换为第二血压，包括：基于第一参数，将第一血压转换为第二血压。其中，第一参数包括以下参数中的一项或多项：用于反映用户的肥胖程度的参数、用于反映可穿戴设备穿戴的松紧程度的参数以及用于反映用户的皮肤状态的参数。

采用本设计方式，可穿戴设备在将微动脉的血压分量(即第一血压)转换为桡动脉的血压(即第二血压)时，会参考用户的个性化参数(即第一参数)来转换，以提高转换的合理性。

在第一方面的另一种可能的设计方式中，第一参数包括：可穿戴设备的佩戴周长、身体质量指数BMI和皮肤弹性。

在第一方面的另一种可能的设计方式中，基于第一参数，将第一血压转换为第二血压，包括：将第一参数和第一血压代入预设关系式，得到第二血压。或者，将第一参数和第一血压作为输入，运行第二AI模型，得到第二血压。其中，第二AI模型具有根据微动脉的血压分量和第一参数预测肱动脉的血压的功能。

采用本设计方式，可穿戴设备可以通过预设关系式或者AI模型，来转换得到第二血压，提高得到第二血压的智能性。

在第一方面的另一种可能的设计方式中，第一血压包括第一收缩压和第一舒张压，第二血压包括第二收缩压和第二舒张压。基于第一参数，将第一血压转换为第二血压，包括：基于第一参数，将第一收缩压转换为第二收缩压，将第一舒张压转换为第二舒张压。

在第一方面的另一种可能的设计方式中，获取预设时长内用户手腕背部微动脉处的光电容积脉搏波描记PPG信号和手腕内侧桡动脉处的压力信号，包括：响应于第一事件，获取预设时长内用户手腕背部微动脉处的光电容积脉搏波描记PPG信号和手腕内侧桡动脉处的压力信号，第一事件用于触发血压测量。

采用本设计方式中，可穿戴设备可以响应触发血压测量的事件，开始获取数据以用于计算血压，灵活的满足各种测量血压的需求。

在第一方面的另一种可能的设计方式中，第一事件包括以下至少一项：接收到触发血压测量的操作；接收到触发血压测量的语音；以及，预设时间到达。

在第一方面的另一种可能的设计方式中，上述方法还包括：获取预设时长内可穿戴设备的运动信息，并基于运动信息检测可穿戴设备在预设时长内的运动时长。基于压力信号，结合指示PPG信号和压力信号的相位差大小的第一信息，得到第一血压，包括：如果运动时长低于预设阈值，基于压力信号，结合指示PPG信号和压力信号的相位差大小的第一信息，得到第一血压。

采用本设计方式，可穿戴设备在未发生运动或者发生短暂的运动的情况下，才会使用PPG信号和压力信号来计算血压，避免应持续运动导致测量的PPG信号或者压力信号不准确，从而影响血压计算的准确性。这样，可以提高血压测量的准确性。

在第一方面的另一种可能的设计方式中，上述方法还包括：如果运动时长高于或等于预设阈值，发出第一提示，第一提示用于提示重新开始测量血压。第一事件包括：接收到重新开始测量血压的操作。

在第一方面的另一种可能的设计方式中，上述运动信息包括加速度信息。

第二方面，本申请实施例还提供了一种可穿戴设备，可穿戴设备可穿戴于手腕，可穿戴设备包括光电容积脉搏波描记PPG传感器、压力传感器、存储器和处理器，PPG传感器、压力传感器、存储器和处理器耦合；PPG传感器用于采集手腕背部微动脉的PPG信号，压力传感器用于采集手腕内侧桡动脉的压力信号，存储器中存储有计算机程序代码，计算机程序代码包括计算机指令，当计算机指令被处理器执行时，使得可穿戴设备执行如上述第一方面及其任一种可能的设计方式中的方法。

在第二方面的一种可能的设计方式中，可穿戴设备还包括运行检测模块(如加速度传感器)，运动检测模块用于检测可穿戴设备的运动情况。

第三方面，本申请还提供了一种芯片系统，芯片系统应用于包括光电容积脉搏波描记PPG传感器、压力传感器、处理器和存储器的移动终端，芯片系统包括一个或多个接口电路和一个或多个处理器，接口电路和处理器通过线路互联，接口电路用于从移动终端的存储器接收信号，并向处理器发送信号，信号包括存储器中存储的计算机指令，当处理器执行计算机指令时，使得可穿戴设备执行上述第一方面及其任一种可能的设计方式中的方法。

第四方面，本申请还提供了一种计算机可读存储介质，包括计算机指令，当计算机指令在可穿戴设备上运行时，使得可穿戴设备执行上述第一方面及其任一种可能的设计方式中的方法。

第五方面，本申请提供一种计算机程序产品，当所述计算机程序产品在计算机上运行时，使得所述计算机执行如第二方面及其任一种可能的设计方式所述的方法。

可以理解地，上述提供的可穿戴设备，芯片系统，计算机可读存储介质，计算机程序产品所能达到的有益效果，可参考第一方面及其任一种可能的设计方式中的有益效果，此处不再

附图说明

图1为本申请实施例提供的动脉分支的示意图；

图2为本申请实施例提供的微动脉、桡动脉和尺动脉的位置示意图；

图3为本申请实施例提供的PPG传感器的工作原理图；

图4为本申请实施例提供的血压测量方法的流程示意图之一；

图5为本申请实施例提供的可穿戴设备的硬件组成图；

图6为本申请实施例提供的压力传感器和PPG传感器的位置示意图之一；

图7为本申请实施例提供的压力传感器和PPG传感器的位置示意图之二；

图8为本申请实施例提供的智能手机处于佩戴状态时各个模块与手腕的位置关系图；

图9为本申请实施例提供的手机界面图之一；

图10为本申请实施例提供的波形裁剪的原理图；

图11为本申请实施例提供的相位差的示意图；

图12为本申请实施例提供的血压测量方法的流程示意图之二；

图13为本申请实施例提供的血压测量方法的流程示意图之三；

图14为本申请实施例提供的血压测量方法的流程示意图之四；

图15为本申请实施例提供的血压测量方法的流程示意图之五；

图16为本申请实施例提供的手机界面图之二；

图17为本申请实施例提供的血压测量装置的模块组成图；

图18为本申请实施例提供的一种芯片系统的组成结构图。

具体实施方式

下面结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。其中，在本申请实施例的描述中，以下实施例中所使用的术语只是为了描述特定实施例的目的，而并非旨在作为对本申请的限制。如在本申请的说明书和所附权利要求书中所使用的那样，单数表达形式“一种”、“所述”、“上述”、“该”和“这一”旨在也包括例如“一个或多个”这种表达形式，除非其上下文中明确地有相反指示。还应当理解，在本申请以下各实施例中，“至少一个”、“一个或多个”是指一个或两个以上(包含两个)。术语“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系；例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B的情况，其中A、B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。

在本说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。术语“连接”包括直接连接和间接连接，除非另外说明。“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。

在本申请实施例中，“示例性地”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性地”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性地”或者“例如”等词旨在以具体方式呈现相关概念。

在说明本申请实施例之前，先对本申请涉及的技术术语做简单介绍：

1、血管。

血液循环系统由心脏和血管组成，心脏是推动血液流动的动力器官，血管是血液流动的管道。血管分为动脉、毛细血管和静脉三大类。动脉起自心脏，不断分支，口径渐细，管壁渐厚，最后分成大量的毛细血管，分布到全身各组织和细胞间。毛细血管再汇合，逐级形成静脉。在血液循环的过程中，由心室射出的血液，经动脉、毛细血管和静脉返回心房。

参见图1，以动脉中的肱动脉为例，肱动脉的分支包括尺动脉和桡动脉，桡动脉的分支包括骨间前动脉，骨间前动脉可以进一步分支成微动脉。参见图2，人体的手腕背部通常存在大量的微动脉，以及手腕内侧通常存在桡动脉(位于靠近大拇指的一侧)和尺动脉(位于靠近小拇指的一侧)。应理解，把脉中的“脉”指的就是上述桡动脉。

2、血压(blood pressure，BP)。

血压是指血液在血管内流动时作用于单位面积血管壁的侧压力，它是推动血液在血管内流动的动力。其中，血管分为动脉、毛细血管和静脉。相应的，血压可以分为动脉血压、毛细血管血压和静脉血压。日常中所说的血压是指动脉中肱动脉的血压。应理解，本文中测量血压也为肱动脉的血压。

3、收缩压(systolic blood pressure，SBP)、舒张压(diastolic bloodpressure，DBP)。

血压进一步包括收缩压(即日常生活中人们所说的高压)和舒张压(即日常生活中人们所说的低压)。收缩压是指心脏收缩时，将血液泵入动脉，动脉会扩张以缓冲压力，此时的血压就是收缩压。舒张压是指心脏舒张时，动脉会收缩以使血液会回流到心脏，此时的血压就是舒张压。

4、PPG传感器。

PPG传感器是一种将光照进皮肤并测量因血液流动而产生的光散射的传感器。参见图3，PPG传感器通常包括光发射器(如图3中的LED)和光检测器。光发射器发射一定波长的光束照射到皮肤上，光线透过皮肤(如图3中的表皮、真皮和/或皮下组织)后再反射到光检测器上，光线是会有一定衰减的。应理解，在测量部位没有大幅度变化的情况下，肌肉、骨骼和静脉等对光的吸收是基本不变的。但是，在心脏收缩和心脏舒张时，由于血液流动导致动脉对光的吸收会有所不同。正是由于动脉对光的吸收有变化而其他组织(如前述肌肉、骨骼和静脉等)对光的吸收基本不变，那么，在通过光检测器测量一段时间的光信号后，提取光信号对应的电信号中的交流分量(本文中称为PPG信号)，则可得到反映血液流动的特点的波形(本文中称为PPG波形)。从而用于确定血氧饱和度、血压、心率等生理参数。

上述技术术语有助于本方案的理解，以下结合上述技术术语介绍本申请实施例的技术方案。

本申请实施例提供的血压测量方法及可穿戴设备，可以应用于测量血压的场景中。

示例性的，可以应用于日常血压的测量。例如，在用户需要测量血压时，可以触发可穿戴设备开始执行血压测量方法，灵活满足用户的血压测量需求。

又示例性的，还可以应用于白天和夜间血压监测、高血压患者动态血压跟踪、杓型/非杓型血压跟踪等场景。例如，可以由用户设置定时时间或者可穿戴设备自动设置定时时间，定时时间到达后，则可以触发可穿戴设备开始执行血压测量方法，从而可以持续定时监测用户的血压。上述持续定时监测获得的血压，可以更准确的用于血压评估(如是否有高血压)以及高血压类型(如杓型/非杓型)判断等。

在常规技术中，可以采用袖带式测量方法或者无袖带式测量方法来测量血压。其中，袖带式测量方法，在测量过程中需频繁加压阻断，舒适性低；而且，现有的袖带式测量设备，通常采用外置大体积泵和臂带式气囊的形态，便携性差，不便于日常测量。

与袖带式测量方法相比，无袖带式测量方法虽然可以克服舒适性低和不便于日常测量的问题。但是，目前所使用的无袖带式测量方法，如PWV法和PPG法等，其测量结果的准确性都较低，难以达到各国或者国际上对血压的测量精准度的标准，如不能达到美国医疗仪器促进协会(The Association for the Advancement of Medical Instrumentation，AAMI)，英国高血压协会(British Hypertension Society，BHS)、国际标准化组织(International Organization for Standardization，ISO)以及电气与电子工程师协会(Institute of Electrical and Electronics Engineers，IEEE)1708等标准。因此，上述PWV法和PPG法通常不能作为血压测量的参考依据。

基于上述常规技术中存在的问题，参见图4，本申请实施例提供了一种血压测量方法，可以应用于可穿戴于手腕的可穿戴设备。其中，可穿戴设备可以采集手腕内侧桡动脉的压力信号以及手腕背部的PPG信号。应理解，手腕背部的血管主要是微动脉，因此，手腕背部的PPG信号也可以视为手腕背部的微动脉(下文中统称为微动脉)的PPG信号。可穿戴设备使用压力信号，并结合可以指示压力信号和PPG信号的相位差大小的信息(可称为第一信息)来预测微动脉的血压分量(可称为第一血压)。

实际中，动脉起自心脏，不断分支，最后分成大量的毛细血管。心脏收缩或者舒张时，对靠近前端的动脉的血压影响时间越早，对靠近末端的动脉的血压影响时间越晚。并且，随着动脉的不断分支，血液对血管的压力也就被分散了。也就是说，对于两根血管，血压影响时间和血压值之间存在如下关系：靠近前端的血管，血压影响时间更早，血压值更高；靠近末端的血管，血压影响时间更晚，血压值更低。

结合图1所示，尺动脉可分支为微动脉，而尺动脉和桡动脉为同一级动脉。即，桡动脉更靠近前端，而微动脉更靠近末端。因此，心脏收缩或者舒张时，对桡动脉的血压影响时间比对微动脉的血压影响时间早，且桡动脉的血压比微动脉的血压高。

那么，在已知两根血管血压影响时间的差距和其中一根血管的血压后，可以确定另一根血管的血压。以血压影响时间每延后△t，则血压降低△x，两根血管的血压影响时间的差距为tx，一根靠近前端的血管的血压为x0，则另一根靠近后端的血管的血压为x0-(tx/△t)*△x。

因此，在本申请实施例中，可穿戴设备在获取桡动脉的压力信号和微动脉的PPG信号后，可以使用上述第一信息来表示：两根血管(即桡动脉和微动脉)血压影响时间的差距。即，表示心脏收缩或者舒张对桡动脉的血压影响时间和对微动脉的血压影响时间的差距。以及，可穿戴设备可以将压力波形的信号幅值对应到桡动脉的血压。在此基础上，可穿戴设备则可以计算得到微动脉的血压分量。

与通过光线照射而测量得到的PPG信号不同的是：压力信号是通过测量直接接触产生的压力而得到的，因此压力信号测得的数据的准确度往往更高。采用本申请实施例，可穿戴设备通过第一信息和压力信号来计算得到微动脉的血压分量，而不是直接使用PPG信号来确定微动脉的血压分量，可以提高确定的微动脉的血压分量的准确性。并且，常规技术中，虽然也有使用PPG信号和压力信号来测量血压的方案，但是其并未考虑到两根血管之间的相位差，不能合理的利用血压影响时间的差异来得到微动脉的血压分量。

最后，可穿戴设备将微动脉的血压分量转换为肱动脉的血压(可称为第二血压)。从而得到常规意义上所说的血压。应理解，在前述得到更准确的微动脉的血压分量的基础上，也可以转换得到更准确的肱动脉的血压。

以下介绍上述可穿戴设备可能的产品形态，以及可穿戴设备的结构组成。

示例性的，上述可穿戴设备可以为智能手表、智能手环、智能护腕、智能首饰等可穿戴于手腕的设备。本申请实施例对该可穿戴设备的具体类型不作特殊限制。一方面，可穿戴设备可以检测手腕背部微动脉的PPG信号；另一方面，可穿戴设备可以检测手腕内侧桡动脉的压力信号。从而用于血压预测。

参见图5，为本申请实施例提供的一种可穿戴于手腕的可穿戴设备(如智能手表)的硬件结构图。如图5所示，可穿戴设备包括：处理器510，显示屏520，PPG传感器530，压力传感器540、加速度(accelerator，ACC)传感器550、存储器560和无线通信模块570。处理器510可以包括一个或多个接口，用于与电子设备的其他部件相连。其中，该一个或多个接口可以包括：输入/输出(Input/Output，I/O)接口(也称为I/O引脚)、中断引脚和数据总线接口等。其中，数据总线接口可以包括：串行外设接口(serial peripheral interface，SPI)、集成电路(inter-integrated circuit，I2C)接口等接口中的一个或多个。

其中，处理器510可以包括一个或多个处理单元，例如：处理器510可以包括应用处理器(application processor，AP)，调制解调处理器，图形处理器(graphics processingunit，GPU)，图像信号处理器(image signal processor，ISP)，控制器，视频编解码器，数字信号处理器(digital signal processor，DSP)，基带处理器，和/或神经网络处理器(neural-network processing unit，NPU)等。其中，不同的处理单元可以是独立的器件，也可以集成在一个或多个处理器中。

处理器510可以根据指令操作码和时序信号，产生操作控制信号，完成取指令和执行指令的控制。

处理器510中还可以设置存储器，用于存储指令和数据。在一些实施例中，处理器510中的存储器可以为高速缓冲存储器。该存储器可以保存处理器510用过或使用频率较高的指令或数据。如果处理器510需要使用该指令或数据，可从该存储器中直接调用。避免了重复存取，减少了处理器510的等待时间，因而提高了系统的效率。

在一些实施例中，处理器510可以用于执行血压预测的计算。示例性的，处理器510可以基于压力波形和PPG波形的相位差、PPG波形的周期和压力波形的信号幅值预测血压。

显示屏520用于显示图像，视频等。显示屏520包括显示面板。显示面板可以采用液晶显示屏(liquid crystal display，LCD)，有机发光二极管(organic light-emittingdiode，OLED)，有源矩阵有机发光二极体或主动矩阵有机发光二极体(active-matrixorganic light emitting diode的，AMOLED)，柔性发光二极管(flex light-emittingdiode，FLED)，Miniled，MicroLed，Micro-oLed，量子点发光二极管(quantum dot lightemitting diodes，QLED)等。在一些实施例中，可穿戴设备可以包括1个或多个显示屏520。

在一些实施例，显示屏520可以显示预测得到的血压值，血压测量的相关控件，如开始控件、结束控件等。

存储器560可以用于存储计算机可执行程序代码，该可执行程序代码包括指令。存储器560可以包括存储程序区和存储数据区。其中，存储程序区可存储操作系统，至少一个功能所需的应用程序(比如声音播放功能，图像播放功能)等。存储数据区可存储可穿戴设备使用过程中所创建的数据(比如音频数据，电话本等)等。此外，存储器560可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件，闪存器件，通用闪存存储器(universal flash storage，UFS)等。处理器510通过运行存储在存储器560的指令，和/或存储在设置于处理器中的存储器的指令，执行可穿戴设备的各种功能方法或数据处理。

无线通信模块570可以支持电子设备与其他电子设备之间包括蓝牙，全球导航卫星系统(global navigation satellite system，GNSS)，无线局域网，调频(frequencymodulation，FM)，近距离无线通信技术(near field communication，NFC)，红外技术(infrared，IR)等无线通信的数据交换。

PPG传感器530用于发射光并检测反射回来的光信号，以及将光信号转化为电信号。电信号中的交流分量可以反映血液流动的特点，从而可用于计算血压。

压力传感器540用于感受压力信号，可以将压力信号转换成电信号。压力传感器540的种类很多，如电阻式压力传感器，电感式压力传感器，电容式压力传感器等。电容式压力传感器可以是包括至少两个具有导电材料的平行板。当有力作用于压力传感器540，电极之间的电容改变。可穿戴设备根据电容的变化确定压力的强度。

以可穿戴设备是智能手表为例，参见图6和图7，上述PPG传感器530设置于智能手表的表盘背部。以及，上述压力传感器540设置于智能手表的表带背面。并且，由于桡动脉位于手腕内侧，则将压力传感器540设置于智能手表处于佩戴状态时，表带中紧挨手腕内侧的区域。应理解，图6中虚线所示的PPG传感器530和压力传感器540表示处于不可见的状态。图7中实线所示的PPG传感器530和压力传感器540表示处于可见的状态。

参见图8，采用上述图6和图7所示的设置，在用户正常佩戴智能手表的情况下，表盘背部紧贴手腕背部，那么，设置于表盘背部的PPG传感器530可以检测到手腕背部的微动脉中血液流动的特点，得到PPG信号。以及，在用户正常佩戴智能手表的情况下，表带背面紧贴手腕，那么，设置于表带内侧的压力传感器540可以检测到手腕内侧的桡动脉因血液流动而对压力传感器540作用的压力信号。

在一些实施例中，可穿戴设备还包括加速度传感器550。加速度传感器550可用于检测可穿戴设备在各个方向上(一般为三轴)加速度的大小。从而用于确定可穿戴设备的运动情况。示例性的，可穿戴设备可以在可穿戴设备没有运动的情况下，来进行血压测量，避免可穿戴设备的运动影响测量结果的准确性。

至此，需要说明的是，实际实施时，可穿戴设备的硬件组成并不以图5所示为限。示例性的，可穿戴设备还可以包括电源管理模块、电池、摄像头、马达、按键等模块。

本申请实施例提供的血压测量方法，可以在上述可穿戴设备中实现。下面，以可穿戴设备是智能手表为例，进一步详细说明本申请实施例提供的血压测量方法。

智能手表在运行过程中，在检测到开始血压测量的事件后，则可以开始血压测量。

在一些实施例中，开始血压测量的事件可以是开始血压测量的操作。示例性的，智能手表可以提供血压测量控件和/或血压测量按键，则开始血压测量的操作可以是用户对血压测量控件和/或血压测量按键的预设操作(如点击、长按等操作)。例如，智能手表可以显示图9所示的界面901，血压测量控件是界面901中的“开始”按钮，则开始血压测量的操作可以是用户对界面901中“开始”按钮的点击操作。

当然，开始血压测量的操作并不以此为限。示例性的，开始血压测量的操作还可以是用户对表盘的敲击操作；或者用户输入预设语音的操作，如输入“请开始测量血压”的语音。

在另一些实施例中，开始血压测量的事件还可以是定时时间到达的事件。示例性的，用户可以在智能手表中设置定时测量血压的时间，如设置每隔3小时测量一次血压，或者设置每天8点、14点、20点分别测量一次血压。那么，智能手表在定时时间到达后，则可以触发开始血压测量。

由于压力传感器设置于表带上，而PPG传感器设置于表盘底部，那么，为了实现压力传感器可以采集手腕内侧桡动脉的压力信号，PPG传感器可以采集手腕背部微动脉的PPG信号，则需要保证在血压测量的过程中，表盘位于在手腕背部，表带围绕手腕内侧。即，保证智能手表处于正常的佩戴状态。基于此，在一些实施例中，智能手表在检测到开始血压测量的事件后，可以提示用户调整智能手表处于正常佩戴状态。示例性的，响应于用户对图9所示界面901中“开始”按钮的点击操作，可以显示图9所示的界面904，界面904中包括提示文本“请确认正常佩戴手表，使表盘位于手腕背部”，以提示用户调整智能手表处于正常佩戴状态。相应的，在本实施例中，智能手表响应于用户确认正确佩戴智能手表的操作后，才会开始血压测量。示例性的，图9所示的界面904中还包括“确认”按钮，确认正确佩戴智能手表的操作可以是用户对图9所述界面904中“确认”按钮的点击操作。

在开始血压测量后，智能手表则可以开始获取PPG信号以及压力信号。示例性的，在开始血压测量后，可以启动智能手表中的PPG传感器来获取PPG信号，以及启动智能手表中的压力传感器来获取压力信号。

应理解，血压是一个变化的过程。因此，智能手表可以获取预设时长(如30秒、60秒等)内的PPG信号和压力信号，以预测血压。

由于需要检测至少预设时长，则用户需要等待预设时长。基于此，在一些实施例中，响应于开始血压测量的事件，智能手表可以发出正在测量的提示，以提示用户正在测量中。以开始血压测量的事件是用户对图9所示界面901中“开始”按钮的点击操作为例，响应于用户对图9所示界面901中“开始”按钮的点击操作，智能手表可以显示图9所示的界面902。界面902中包括提示文本“测量中，请稍候……”，以提示用户正在测量中。

在一些场景中，在测量血压的过程中，佩戴有智能手表的部位(即手腕)可能会发生运动。手腕发生运动，则获取到的PPG信号或者压力信号不仅仅是血液流动导致的结果，而会进一步掺杂有运动导致的结果。以压力传感器为例，如果手腕发生了运动，则压力传感器获取到的压力信号不仅仅是桡动脉中的血液流动对压力传感器产生的压力，还会有运动的加速度导致手腕对压力传感器的压力。

应理解，如果获取到的PPG信号或者压力信号中掺杂有运动导致的结果，那么后续使用PPG信号和压力信号预测血压，则可能导致预测结果不准确。

基于运动导致的血压测量不准确的问题，在一些实施例中，在开始血压测量后，智能手表还可以检测其自身的运动情况，运动情况包括运动和未运动。应理解，手腕运动则会带动智能手表运动，因此，智能手表的运动情况也可以反映出手腕的运动。示例性的，在开始血压测量后，可以启动智能手表中的加速度传感器来获取加速度信号，以用于检测智能手表的运动情况。本实施例中，如果预设时长内智能手表的运动时长低于预设阈值，智能手表才会进一步预测血压。如果预设时长内智能手表的运动时长高于或等于预设阈值，智能手表则不进一步预测血压。这样，可以避免手腕持续运动导致血压预测不准确的问题，提升血压预测的准确性。

以预设阈值是15s为例，如果预设时长内智能手表的运动时长达到15s，智能手表则不会使用预设时长内的PPG信号和压力信号来预测血压；如果预设时长内智能手表的运动时长低于15s，智能手表则可以使用预设时长内的PPG信号和压力信号来预测血压。

实际实施时，智能手表在获取PPG信号和压力信号的过程中(即预设时长内)，可以实时检测智能手表在预设时长内的运动时长是否高于或等于预设阈值(记为实现方式一)；或者，智能手表可以在预设时长结束后，检测智能手表在预设时长内的运动时长是否高于或等于预设阈值(记为实现方式二)。下面将分别进行说明。

实现方式一，在开始血压测量后，智能手表开始获取加速度信号，并且，每隔第一时长(如30ms，1s、2s等)，智能手表可以检测截止当前时刻、智能手表在预设时长内的运动时长是否高于或等于预设阈值。其中，第一时长小于预设时长。如果截止当前时刻、智能手表在预设时长内的运动时长低于预设阈值，智能手表则可以继续获取PPG信号、压力信号和加速度信号，并进行下一轮检测。如果直至预设时长结束，智能手表在预设时长内的运动时长仍然低于预设阈值，智能手表则可以进一步预测血压。如果截止当前时刻、智能手表在预设时长内的运动时长高于或等于预设阈值，智能手表可以清空已经获取的PPG信号和压力信号。这样，智能手表则不会使用持续运动过程中获取的PPG信号和压力信号来预测血压。

在实现方式一中，如果在预设时长内的运动时长高于或等于预设阈值，智能手表还可以停止获取PPG信号和压力信号，提示用户保持手腕不动并继续测量。示例性的，如果截止当前时刻、智能手表在预设时长内的运动时长高于或等于预设阈值，智能手表可以显示图9所示的界面903。界面903中包括提示文本“请保持手腕不动并返回继续测量”，从而提示用户保持手腕不动并继续测量。进一步的，响应于继续测量的确认操作，智能手表可以重新开始血压测量。继续沿用图9的示例，界面903中还包括“继续测量”按钮，确认操作可以是用户对界面903中“继续测量”按钮的点击操作，响应于用户对界面903中“继续测量”按钮的点击操作，智能手表可以返回显示图9所示的界面902，继续测量。

采用实现方式一，智能手表可以在预设时长内，及时检测到手腕持续运动的情况，并在检测到后立即停止测量，避免产生过多无用的PPG信号和压力信号。

实现方式二，在开始血压测量后，智能手表获取加速度信号并存储，如每隔第二时长(如30ms，1s，2s等)获取一次加速度信号。其中，第二时长小于预设时长。在预设时长结束后，智能手表基于存储的多组加速度信号，检测智能手表在预设时长内的运动时长是否高于或等于预设阈值。如果智能手表在预设时长内的运动时长低于预设阈值，则进一步预测血压。如果智能手表在预设时长内的运动时长高于或等于预设阈值，则清空已经获取的PPG信号和压力信号。这样，可以避免使用手腕持续运动情况下获取的PPG信号和压力信号来进一步预测血压。

同样的，在实现方式二中，如果在预设时长内的运动时长高于或等于预设阈值，智能手表可以提示用户保持手腕不动并继续测量，具体可参见方式一的相关说明，此处不再赘述。

采用实现方式二，智能手表在预设时长结束后，统一进行一次运动情况的检测即可，无需频繁占用计算资源。

智能手表在获取PPG信号和压力信号后，可以按照信号对应的时间戳，将信号进行拼接，得到信号对应的波形。示例性的，智能手表将PPG信号按照时间戳的先后顺序进行拼接，得到PPG波形；以及，智能手表将压力信号按照时间戳的先后顺序进行拼接，得到压力波形。进一步的，在得到PPG波形和压力波形后，智能手表还可以对PPG波形和压力波形预处理，滤除噪声，得到有效的PPG波形和压力波形。示例性的，智能手表可以采用巴特沃斯带通滤波或者盲源分离等手段，分离出有效的PPG波形和压力波形。

实际中，不同硬件在启动或者关闭时存在不同的时延。以启动为例，智能手表的处理器同时向PPG传感器和压力传感器发送启动通知，但是PPG传感器先完成启动并开始获取PPG信号，而压力传感器后完成启动并开始获取压力信号。也就是说，PPG传感器和压力传感器开始和/或结束工作的时间点可能不完全一致。例如，与压力传感器相比：PPG传感器早30ms开始工作，并且早30ms结束工作。

基于此，在一些实施例中，智能手表还可以按照时间戳将PPG波形和压力波形对齐，并裁剪掉无法对齐的部分，使得保留的PPG波形和保留的压力波形对应的起止时间完全一致。这样，后续可以使用相同时间段内的PPG波形和压力波形来预测血压。

示例性的，PPG波形为图10所示对齐前、t0-t1时间段内的波形，以及压力波形为图10所示对齐前t2-t3时间段内的波形。其中，t0

经过上述过程，得到PPG波形和压力波形后，智能手表可以先得到第一信息，以及压力波形的信号幅值，以用于预测血压。下面分别进行说明：

第一，第一信息。

在一些实施例，第一信息为压力波形和PPG波形的相位差来表示。

通常情况下，血液会先流经肱动脉，然后经过分支流经桡动脉和尺动脉，流经尺动脉的血压将进一步分支流经微动脉。那么，心脏的收缩和舒张导致的血液流动，将首先影响到桡动脉，再影响到微动脉。因此，与压力波形相比，PPG波形应该是滞后的。

基于此，智能手表可以求取压力波形中一个波峰(记为波峰1)和PPG波形中另一个波峰(记为波峰2)之间的时间差作为一个相位差。其中，波峰1和波峰2为时序上相邻的两个波峰，且波峰2位于波峰1之后。

示例性的，波峰1为图11所示压力波形中的波峰A1，波峰2为图11所示PPG波形中的波峰B1，波峰A1和波峰B1是时序上相邻的两个波峰，且波峰B1位于波峰A1之后，则可以计算得到一个相位差为图11所示的Pw1。

又示例性的，波峰1为图11所示压力波形中的波峰A2，波峰2为图11所示PPG波形中的波峰B2，波峰A2和波峰B2是时序上相邻的两个波峰，且波峰B2位于波峰A2之后，则可以计算得到又一个相位差为图11所示的Pw2。

再示例性的，波峰1为图11所示压力波形中的波峰A3，波峰2为图11所示PPG波形中的波峰B3，波峰A3和波峰B3是时序上相邻的两个波峰，且波峰B3位于波峰A3之后，则可以计算得到另一个相位差为图11所示的Pw3。

智能手表可以将一个相位差(如Pw1、Pw2或者Pw3)作为压力波形和PPG波形的相位差。或者，智能手表也可以将多个相位差求平均值，得到压力波形和PPG波形的相位差。示例性的，多个相位差包括图11所示的Pw1、Pw2和Pw3，则智能手表可以确定压力波形和PPG波形的相位差为(Pw1+Pw2+Pw3)/3。

实际中，智能手表也可以不考虑PPG波形滞后于压力波形的问题，而是直接求取压力波形中一个波峰(记为波峰3)和PPG波形中另一个波峰(记为波峰4)之间的时间差作为一个相位差。其中，波峰3和波峰4为时序上相邻的两个波峰，但是波峰3和波峰4没有先后。仍以图11为例，采用本实施例，则不仅可以计算得到上述Pw1、Pw2和Pw3，还可以计算得到波峰B1和波峰A2之间的时间差以及波峰B2和波峰A3之间的时间差作为相位差。

进一步的，在本实施例中，智能手表可以基于PPG波形或者压力波形的周期T，从多个相位差中选择小于T/2或者大于T/2的目标相位差。以选择出小于T/2的目标相位差为例，则可以将图11中的Pw1、Pw2和Pw3选择为目标相位差。以选择出大于T/2的目标相位差为例，则可以将图11中波峰B1和波峰A2之间的时间差T-Pw1以及波峰B2和波峰A3之间的时间差T-Pw2选择为目标相位差。这样，可以统一将波峰3位于波峰4之前计算得到的时间差(如Pw1、Pw2和Pw3)作为目标相位差，或者统一将波峰3位于波峰4之后计算得到的时间差(如T-Pw1和T-Pw2)作为目标相位差。这样，智能手表可以将一个目标相位差作为压力波形和PPG波形的相位差。或者，智能手表也可以将多个目标相位差求平均值，得到压力波形和PPG波形的相位差。

至此，需要说明的是：智能手表也可以求取压力波形中一个波谷和PPG波形中另一个波谷之间的时间差来得到压力波形和PPG波形的相位差，本文中对此不多赘述，具体可参见前文依据波峰来得到压力波形和PPG波形的相位差的具体说明。

在另一些实施例中，第一信息在包括上述压力波形和PPG波形的相位差的基础上，进一步包括心脏跳动的周期(简称心动周期T，即PPG波形或者压力波形的周期)。示例性的，压力波形和PPG波形的相位差为图11所示Pw1、Pw2和Pw3的平均值(Pw1+Pw2+Pw3)/3，那么(Pw1+Pw2+Pw3)/3越接近于T，则表示血压影响时间的差距越大。又示例性的，压力波形和PPG波形的相位差为图11所示T-Pw1和T-Pw2的平均值T-(Pw1+Pw2)/2，那么T-(Pw1+Pw2)/2越接近于T，则表示血压影响时间的差距越小。通过结合心动周期T，而不仅仅是压力波形和PPG波形的相位差，则可以基于压力波形和PPG波形的相位差和心动周期T的相对大小，更合理的衡量血压影响时间的差距。下文中主要以结合心动周期T的方式来说明。

第二，压力波形的信号幅值。

压力波形的信号幅值包括最大值和最小值。应理解，心脏收缩时，桡动脉中的血压最大，桡动脉对压力传感器产生的压力也最大。即，压力波形的信号幅值中的最大值应该为心脏收缩时对应的幅值。因此，压力波形的信号幅值中的最大值也可以称为收缩幅值。心脏舒张时，桡动脉中的血压最小，桡动脉对压力传感器产生的压力也最小。即，压力波形的信号幅值中的最小值应该为心脏舒张时对应的幅值。因此，压力波形的信号幅值中的最小值也可以称为舒张幅值。

智能手表可以将压力波形中某个波峰的信号幅值(即纵轴的值，下文中相同)，或者多个波峰的信号幅值的平均值作为收缩幅值。以及，智能手表可以将压力波形中某个波谷的信号幅值，或者多个波谷的信号幅值的平均值作为舒张幅值。

以收缩幅值为例，智能手表可以将图11所示压力波形中波峰A1的信号幅值和波峰A2的信号幅值求平均值，从而得到收缩幅值。

智能手表基于上述压力波形和PPG波形在相位上的差距以及压力波形的信号幅值，可以预测血压。

在一些实施例中，参见图12，预测血压的过程包括：

S1201、血压分量计算。

具体的，智能手表可以使用压力波形和PPG波形在相位上的差距(如压力波形和PPG波形的相位差Pw以及心动周期T)来表示：微动脉和桡动脉的血压影响时间的差距。以及，智能手表使用压力波形的信号幅值(如记为收缩幅值BP-s和舒张幅值BP-d)对应的血压作为桡动脉的血压。应理解，信号幅值越高，则表明桡动脉中的血液流动对桡动脉的压力越大，此时桡动脉的血压更大；信号幅值越低，则表明桡动脉中的血液流动对桡动脉的压力越小，此时桡动脉的血压也更小。即，信号幅值与桡动脉的血压呈正相关关系。因此，可以将信号幅值对应到桡动脉的血压。

然后，智能手表基于血压影响时间的差距与血压值的对应关系(即前文所述血压影响时间越早、血压值越高；血压影响时间越晚、血压值越低)来计算得到微动脉的血压分量。血压分量包括收缩压分量(如记为SBP-0)和舒张压分量(如记为DBP-0)。

在一种具体的实现方式中，智能手表可以使用第一人工智能(ArtificialIntelligence，AI)模型计算血压分量。其中，第一AI模型具有根据压力波形和PPG波形的相位差、心动周期和压力波形的信号幅值，计算微动脉的血压分量的能力。参见图13，智能手表将相位差Pw、心动周期T以及信号幅值BP-s和BP-d作为第一AI模型的输入，并运行第一AI模型，得到血压分量SBP-0和DBP-0。

应注意，如果不结合心动周期，第一AI模型的输入则不包括心动周期T，下文中不再赘述。

上述第一AI模型可以是树模型，也可以是迁移学习或者卷积神经网络等神经网络模型。

以神经网络模型为例，本申请实施例这里将说明训练得到第一AI模型的过程：

采集手腕内侧桡动脉的压力信号样本和手腕背部微动脉的PPG信号样本。以及，使用专业测量仪器采集用户的血压，得到收缩压样本和舒张压样本。处理压力信号样本和PPG信号样本，得到压力波形样本和PPG波形样本，并计算得到相位差(即压力波形样本和PPG波形样本的相位差)样本、周期(即心动周期)样本、收缩幅值样本和舒张幅值样本。以及，将收缩压样本转换为收缩压分量样本，将舒张压样本转换为舒张压分量样本。关于收缩压样本到收缩压分量样本的转换，可以使用下文S1202中将收缩压分量转换为收缩压的逆转换；以及，关于舒张压样本到舒张压分量样本的转换，可以使用下文S1202中将舒张压分量转换为舒张压的逆转换，此处暂不做说明。至此，则得到了一组训练样本，即：相位差样本、周期样本、收缩幅值样本和舒张幅值样本，以及对应的收缩压分量样本和舒张压分量样本。经过上述同样的多次采集及处理，则可以得到多组训练样本。

将多组训练样本中的相位差样本、周期样本、收缩幅值样本和舒张幅值样本作为输入样本，将对应的收缩压分量样本和舒张压分量样本作为输出样本，训练第一网络模型，基于第一网络模型的实际输出与输出样本的差值调节第一网络模型的模型参数。直至第一网络模型的实际输出与输出样本的差值小于第一差值则结束训练，此时的第一网络模型即为第一AI模型。

S1202、血压转换。

智能手表可以将手腕背部微动脉的血压分量SBP-0和DBP-0转化为肱动脉的血压，从而得到常规意义上所说的血压。肱动脉的血压包括收缩压(如记为SBP)和舒张压(如记为DBP)。

应理解，肱动脉中的血液经过不断的分支后，会流经手腕背部的微动脉。肱动脉中的血压高，相应的，血液流经微动脉时的血压也会较高；肱动脉中的血压低，相应的，血液流经微动脉时的血压也会较低。即，微动脉的血压分量和肱动脉的血压是有一定关联的。那么，可以通过大数据分析，得到微动脉的血压分量和肱动脉的血压之间的关系函数。其中，关系函数包括收缩压的关系函数f(SBP-0)和舒张压的关系函数f(DBP-0)。

在得到血压分量后，智能手表则可以使用关系函数f(SBP-0)，得到收缩压；以及，智能手表可以使用关系函数f(DBP-0)，得到舒张压。关系函数f(SBP-0)和关系函数f(DBP-0)也可以称为预设关系式。

在一种具体的实现方式中，关系函数f(SBP-0)中的变量只有收缩压分量SBP-0，关系函数f(DBP-0)中的变量只有舒张压分量DBP-0。那么，智能手表可以将收缩压分量SBP-0代入关系函数f(SBP-0)，得到收缩压；以及，智能手表可以将舒张压分量DBP-0代入关系函数f(DBP-0)，得到舒张压。

示例性的，f(SBP-0)＝k1*SBP-0，f(DBP-0)＝k2*DBP-0，k1和k2为常数。那么，智能手表将收缩压分量SBP-0代入关系函数f(SBP-0)，可以得到收缩压为k1*SBP-0；以及，智能手表将舒张压分量DBP-0代入关系函数f(DBP-0)，可以得到收缩压为k1*DBP-0。

采用本实现方式，可以简单、快速的完成血压转换。

在另一种具体的实现方式中，关系函数f(SBP-0)中的变量不仅包括收缩压分量SBP-0，还包括用户的个性化参数；同样的，关系函数f(DBP-0)中的变量不仅包括舒张压分量DBP-0，也包括用户的个性化参数。也就是说，对于不同用户，关系函数f(SBP-0)和关系函数f(DBP-0)是不同的。

下面列举一些常见的个性化参数：

其一，反映用户的身体状况的参数。

身高、体重等身体状况不同，则血压分量和肱动脉的血压之间的关系可能不同。例如，肥胖人群和非肥胖人群，其血压分量和肱动脉的血压之间的关系可能不同。再例如，高身高的人群和矮身高的人群，其手腕背部的微动脉与肱动脉的距离不同，相应的，血压分量和肱动脉的血压之间的关系可能不同。

因此，关系函数f(SBP-0)和关系函数f(DBP-0)还可与反映用户的身体状况的参数相关，如身高、体重、身体质量指数(Body Mass Index，BMI)。

其二，反映手表佩戴的松紧程度和/或皮肤状态的参数。

手表佩戴的松紧程度或者皮肤状态不同，则测量得到的压力信号的准确度不同。例如，手表佩戴较松，则压力传感器测量得到的压力信号可能偏低；手表佩戴较紧，则压力传感器测量得到的压力信号可能偏高。再例如，皮肤越紧致，其对压力的敏感程度越高，则压力传感器测量得到的压力信号可能偏高；皮肤越松弛，其对压力的敏感程度越低，则压力传感器测量得到的压力信号可能偏低。压力信号不准确，也会导致计算得到的血压分量与真实的血压分量之间的偏差不同，相应的，计算得到的血压分量和肱动脉的血压之间的关系可能不同。

因此，关系函数f(SBP-0)和关系函数f(DBP-0)还可与反映手表佩戴的松紧程度和/或皮肤状态的参数相关。例如，可以使用BMI和表带佩戴周长L的比值来表示手表佩戴的松紧程度，BMI与L的比值越大，则手表佩戴的越紧，BMI与L的比值越小，则手表佩戴的越松。

其三，性别、年龄等生理参数。

性别、年龄等生理参数不同，则血压分量和肱动脉的血压之间的关系可能不同。例如，青壮年和老年人，其血压分量和肱动脉的血压之间的关系可能不同。再例如，男性和女性，其血压分量和肱动脉的血压之间的关系可能不同。基于此，关系函数f(SBP-0)和关系函数f(DBP-0)还可与性别、年龄等生理数据相关。

因此，关系函数f(SBP-0)和关系函数f(DBP-0)还可以与用户的性别、年龄等生理参数相关。

以关系函数f(SBP-0)和关系函数f(DBP-0)还与BMI、L以及皮肤紧致程度Z相关为例，参见图14，在S1202中，智能手表在将血压转换时，除了收缩压分量SBP-0和舒张压分量DBP-0外，还可以将BMI、L和Z作为输入，用于转换得到桡动脉的血压。例如，关系函数f(SBP-0)和关系函数f(DBP-0)的表达式如下所示：

f(SBP-0)＝(k3*BMI*Z*SBP-0)/L；

f(DBP-0)＝(k4*BMI*Z*DBP-0)/L；

其中，k3和k4为常数。那么，智能手表将收缩压分量SBP-0、BMI、L和Z带入关系函数f(SBP-0)，可以得到收缩压为(k3*BMI*Z*SBP-0)/L；以及，将舒张压DBP-0、BMI、L和Z带入关系函数f(DBP-0)，可以得到舒张压为(k3*BMI*Z*DBP-0)/L。

需要在此说明的是，在本设计方式中，不限定用户的个性化参数的获取方式。智能手表可以提示并接收用户输入的个性化参数，也可以自动检测个性化参数，或者，还可以从与之连接手机、平板等设备中获取个性化参数。

采用本设计方案，智能手表基于用户的个性化参数进行血压转换，可以转换得到更准确的血压。

上述关于S1202，主要以使用关系函数的实现方式来说明。实际中，智能手表也可以使用第二AI模型来学习微动脉的血压分量、个性化参数和肱动脉的血压之间的关系。然后，将微动的血压分量和个性化参数作为输入，运行第二AI模型，从而得到肱动脉的血压。

以神经网络模型为例，本申请实施例这里将说明训练得到第二AI模型的过程：

采集手腕背部微动脉的血压分量样本，血压分量样本包括收缩压分量样本和舒张压分量样本。示例性的，可以采用前文中，基于桡动脉的血压得到微动脉的血压分量的方式，来得到血压分量样本。采集用户的个性化参数，得到个性化参数样本。以及，使用专业测量仪器采集用户的血压样本，得到收缩压样本和舒张压样本。至此，则得到了一组训练样本，即：收缩压分量样本、舒张压分量样本、个性化参数样本、收缩压样本和舒张压样本。经过上述同样的多次采集及处理，则可以得到多组训练样本。

将多组训练样本中的收缩压分量样本、舒张压分量样本和个性化参数样本作为输入样本，将对应的收缩压样本和舒张压样本作为输出样本，训练第二网络模型，基于第二网络模型的实际输出与输出样本的差值调节第二网络模型的模型参数。直至第二网络模型的实际输出与输出样本的差值小于第二差值则结束训练，此时的第二网络模型即为第二AI模型。

前文实施例中，智能手表都是先计算得到微动脉的血压分量，然后转换得到血压。当然，为了简化计算步骤，也可以将计算得到微动脉的血压的步骤和将微动脉的血压转换为肱动脉的血压的步骤融合为一个步骤。示例性的，将计算微动脉的血压分量的步骤，代入到前述关系函数f(SBP-0)和关系函数f(DBP-0)如计算收缩压分量的步骤。例如，将计算收缩压分量SBP-0的步骤(记为s(SBP-0))代入f(SBP-0)，得到计算收缩压SBP的计算公式为f(s(SBP-0))；将计算舒张压分量DBP-0的步骤(记为s(DBP-0))代入f(DBP-0)，得到计算舒张压DBP的计算公式为f(s(DBP-0))。这样，智能手表就无需先计算得到血压分量，再转换得到血压，而可以直接一步得到血压。

参见图15，智能手表可以使用第三AI模型直接计算血压。其中，第三AI模型具有根据压力波形和PPG波形的相位差、心动周期以及压力波形的信号幅值，计算肱动脉的血压的能力。具体的，智能手表可以将相位差Pw、心动周期T以及信号幅值BP-s和BP-d作为第三AI模型的输入，并运行第三AI模型，得到收缩压SBP和舒张压DBP。

同样的，上述第三AI模型可以是树模型，也可以是迁移学习或者卷积神经网络等神经网络模型。

示例性的，本申请实施例这里将说明训练得到第三AI模型的过程：

采集手腕内侧桡动脉的压力信号样本和手腕背部微动脉的PPG信号样本。以及，使用专业测量仪器采集用户的血压，得到收缩压样本和舒张压样本。处理压力信号样本和PPG信号样本，得到压力波形样本和PPG波形样本，并计算得到相位差(即压力波形和PPG波形的相位差)样本、周期(即心动周期)样本、收缩幅值样本和舒张幅值样本。至此，则得到了一组训练样本，即：相位差样本、周期样本、收缩幅值样本和舒张幅值样本。经过上述同样的多次采集及处理，则可以得到多组训练样本。

将多组训练样本中的相位差样本、周期样本、收缩幅值样本和舒张幅值样本作为输入样本，将对应的收缩压样本和舒张压样本作为输出样本，训练第三网络模型，基于第三网络模型的实际输出与输出样本的差值调节第三网络模型的模型参数。直至第三网络模型的实际输出与输出样本的差值小于第三差值则结束训练，此时的第三网络模型即为第三AI模型。

继续参见图15，为了进一步提升血压预测的准确性，智能手表还可以将个性化参数(如BMI、L、Z等)作为第三AI模型的输入。相应的，在训练第三AI模型的过程中，也需要采集个性化参数样本，并将个性化参数样本作为输入样本。

实际中，使用AI模型(如第一AI模型、第二AI模型、第三AI模型)的过程中，需要完成AI模型中复杂的推算，运算量极大，需要充足的运算资源。与此同时，智能手表的运算能力是比较有限的，因此，实际实施时，可以由于智能手表相连的手机、平板，或者由服务器来完成与AI模型相关的运算。

在预测得到血压后，智能手表可以提示血压值。示例性的，在测量血压的过程中，智能手表可以显示图16所示的界面1601，以提示用户正在测量；而在测量结束后，智能手表可以显示图16所示的界面1602，以提示收缩压为120毫米汞柱(mmHg)，舒张压为120mmHg。

参见图17，本申请实施例提供了一种血压测量装置1700，血压测量装置1700可以应用于上述可穿戴设备，例如，手表、手环、智能护腕、智能首饰等可穿戴于手腕的设备。该血压测量装置1700包括压力传感器1701、PPG传感器1702和处理模块1703。其中，压力传感器1701用于获取桡动脉的压力信号；PPG传感器1702用于获取微动脉的PPG信号。压力传感器1701获取的压力信号以及PPG传感器1702获取的PPG信号，可以传输至处理模块1703。示例性的，可以通过串行外设接口(Serial Peripheral Interface，SPI)传输至处理模块1703。处理模块1703用于根据压力信号的波形(即压力波形)和PPG信号的波形(即PPG波形)的相位差、PPG波形的周期和压力波形的信号幅值，预测血压。

在一些实施例中，血压测量装置1700进一步包括运动检测模块1704。运动检测模块1704用于检测运动情况。示例性的，运动检测模块1704为加速度传感器。运动检测模块1704获取的运动信号也可以传输给处理模块1703。相应的，在本实施例中，处理模块1703进一步用于在血压测量装1700的运动时长低于预设阈值的情况下，根据压力波形和PPG波形的相位差、PPG波形的周期和压力波形的信号幅值，预测血压。采用本实施例的血压测量装置1700，可以在未发生运动或者仅发生短暂运动的情况下，预测血压。这样，可以避免运动导致血压预测的预测结果不准确的问题，提升血压预测的准确性。

本申请实施例还提供了一种可穿戴设备，该可穿戴设备可以包括：存储器和一个或多个处理器。存储器和处理器耦合。该存储器用于存储计算机程序代码，该计算机程序代码包括计算机指令。当处理器执行计算机指令时，可穿戴设备可执行上述方法实施例中的各个功能或者步骤。

本申请实施例还提供一种芯片系统，如图18所示，该芯片系统1800包括至少一个处理器1801和至少一个接口电路1802。处理器1801和接口电路1802可通过线路互联。例如，接口电路1802可用于从其它装置(例如可穿戴设备的存储器)接收信号。又例如，接口电路1802可用于向其它装置(例如处理器1801)发送信号。示例性的，接口电路1802可读取存储器中存储的指令，并将该指令发送给处理器1801。当所述指令被处理器1801执行时，可使得可穿戴设备执行上述实施例中的各个步骤。当然，该芯片系统还可以包含其他分立器件，本申请实施例对此不作具体限定。

本实施例还提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机指令，当该计算机指令在可穿戴设备上运行时，使得可穿戴设备执行上述方法实施例中的各个功能或者步骤。

本实施例还提供了一种计算机程序产品，当该计算机程序产品在计算机上运行时，使得计算机执行上述方法实施例中的各个功能或者步骤。

其中，本实施例提供的可穿戴设备、通信系统、计算机可读存储介质、计算机程序产品或芯片均用于执行上文所提供的对应的方法，因此，其所能达到的有益效果可参考上文所提供的对应的方法中的有益效果，此处不再赘述。

通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，该模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个装置，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

该作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是一个物理单元或多个物理单元，即可以位于一个地方，或者也可以分布到多个不同地方。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

该集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个可读取存储介质中。基于这样的理解，本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是，以上实施例仅用以说明本申请的技术方案而非限制，尽管参照较佳实施例对本申请进行了详细说明，本领域的普通技术人员应当理解，可以对本申请的技术方案进行修改或等同替换，而不脱离本申请技术方案的精神和范围。