随着社会的发展,人们生活水平的提升,健康问题已经引起人们的关注,随着人们生活习惯和饮食结构的改变,血压问题也渐渐成为困扰人们生活的一大难题。目前,存在很多血压监测的方法,在医院,诊断患者是否患有高血压通常会采用动态血压计测量血压,而家中常用电子血压计来自测血压。前者要求使用者具备丰富医护经验,操作复杂,但测量效果较好。后者操作简便,但准确性要差一些。上述两种方式用于血压的无创持续检测还存在一定困难。随着硬件设施的不断发展和完善,提出了基于传感器采集人体光电容积脉搏波和心电图两种信号无创预测血压的方法,但是穿戴设备的局限性仍是无创持续血压监测需要面临的一个难题。然而,目前利用光电容积脉搏波进行无创血压预测的大多数研究的研究重点都集中在利用其特征预测血压,更多的工作集中在变换脉搏波发现新的特征、选择模型和优化预测模型,但是缺乏波形因素的考虑以及缺少对现有特征的选择和时-频特征的融合来优化血压预测方面的研究。针对这个问题,本文的研究重点是将特征融合的相关方法应用到血压预测领域,论文的主要研究工作和创新点包括以下内容:首先,基于统计方法对光电容积脉搏波进行分类。本文提出的波形分类方法是利用自相关函数确定光电容积脉搏波的周期,根据一个周期内的极大值和极小值的对数来确定其波形类型。然后,研究和实现一种面向血压预测的特征融合方法,结合Top-k和SVD两种特征融合方法将时域和频域的两种类型特征融合,选择与血压高度相关的特征进行预测。基于特征选择方法选择以往相关研究中出现的时域脉搏波特征,提出频域特征提取方法,融合光电容积脉搏波的时域和频域的特征。研究工作主要包含两部分:1)利用过滤式特征选择方方法衡量每一个特征变量对血压预测的重要性;2)使用包裹式特征选择获取最优特征子集,考虑特征组合对血压预测的影响。选择线性回归,随机森林和神经网络三个不同的预测模型观察血压预测结果的变化,并进行算法的分析。最后,基于MIMIC数据集设计并实现相关实验来验证上述方法的有效性。实验结果证明脉搏波波形分类和特征融合方法的可行性和正确性。