2. 生理信号基础：脉搏波的形成与特征、柯氏音法原理、示波法原理

好，咱们正式开始第二讲。这一章是后面所有算法的基础，说白了就是搞清楚血压计到底在测什么。我当年刚入行时，觉得不就是测个压力嘛，有什么难的？结果第一次做出来的样机，数据飘得连我自己都不敢信。后来才明白，不懂生理信号特征，算法做得再花哨也是白搭。

2.1 脉搏波的形成与特征

先聊聊脉搏波。你想想看，心脏每收缩一次，就把血液泵进主动脉。这股压力波沿着动脉血管一路传播，就形成了我们摸到的脉搏。嗯，这里要注意，脉搏波不是血液在流动，而是压力波在传播。这个区别很重要。

脉搏波有几个关键特征，我习惯把它们分成三块来讲：

• 上升支：心脏快速射血，压力陡升。斜率越陡，说明心脏收缩力越强。
• 下降支：射血后期，压力开始回落。这里有个小凹陷叫「重搏波切迹」，是主动脉瓣关闭瞬间造成的。
• 重搏波：切迹之后的一个小波峰，代表主动脉瓣关闭后血液回流撞击瓣膜产生的反弹波。

我在项目中遇到过一个问题：有些患者的脉搏波重搏波特别不明显，尤其是老年人动脉硬化后，这个特征几乎消失。如果你用重搏波做特征点检测，那算法就很容易翻车。所以后来我设计算法时，都会加一个「特征可信度」的判断，宁可漏检也不误检。

2.2 柯氏音法原理

柯氏音法，老一辈工程师都叫它「听诊法」。说白了就是用水银血压计加听诊器，人工听声音测血压。这个方法的发明者叫柯洛特科夫，1905年提出的，到现在一百多年了，依然是临床金标准。

原理其实很简单：

1. 袖带充气，压力超过收缩压，动脉被完全压闭，血流中断。
2. 缓慢放气，当袖带压力降到略低于收缩压时，血流开始断续通过，产生湍流和血管壁振动，这就是我们听到的「柯氏音」。
3. 继续放气，声音会经历五个阶段（柯氏音五相）：

时相	声音特征	对应血压
第I相	突然出现的清脆敲击声	收缩压
第II相	声音变柔和，伴有杂音	—
第III相	声音再次增强，更清晰	—
第IV相	声音突然变钝、低沉	—
第V相	声音完全消失	舒张压

我曾经在开发一款动态血压计时，用麦克风采集柯氏音。结果发现环境噪声干扰特别大，尤其是患者手臂稍微动一下，信号就全乱了。后来我加了一个自适应滤波，把心跳同步的噪声和运动伪迹分开处理，才算勉强能用。说实话，柯氏音法做自动化，难度比想象中大得多。

2.3 示波法原理

示波法，现在家用电子血压计几乎都用它。为什么？因为它不需要麦克风，只需要一个压力传感器就够了，成本低、抗干扰能力强。

原理是这样的：

• 袖带充气到高于收缩压，然后匀速放气。
• 在放气过程中，压力传感器会检测到袖带内的压力波动。这些波动就是脉搏波叠加在袖带压力上的小信号。
• 把这些波动提取出来，会得到一个「振荡波包络」。这个包络的峰值对应的袖带压力，就是平均压（MAP）。
• 然后根据经验公式，从平均压推算出收缩压和舒张压。

我习惯用一段伪代码来描述这个流程：

// 示波法血压计算核心流程
// 输入：袖带压力数组 cuff_pressure[]，振荡波幅值数组 oscillation[]
// 输出：收缩压 SBP，舒张压 DBP，平均压 MAP

// 1. 找到振荡波包络的峰值
peak_index = argmax(oscillation)
MAP = cuff_pressure[peak_index]

// 2. 计算收缩压对应的幅值比例（通常取0.45~0.55）
sbp_ratio = 0.50
sbp_threshold = oscillation[peak_index] * sbp_ratio

// 3. 从峰值往前找，找到第一个超过阈值的点
for i = peak_index downto 0:
    if oscillation[i] >= sbp_threshold:
        SBP = cuff_pressure[i]
        break

// 4. 计算舒张压对应的幅值比例（通常取0.70~0.85）
dbp_ratio = 0.75
dbp_threshold = oscillation[peak_index] * dbp_ratio

// 5. 从峰值往后找，找到第一个低于阈值的点
for i = peak_index to len(oscillation)-1:
    if oscillation[i] <= dbp_threshold:
        DBP = cuff_pressure[i]
        break

这里有个坑，我当年踩过。示波法的比例系数不是固定的，不同人群差异很大。比如高血压患者和年轻人，这个比例可能差0.1以上。所以我后来做产品时，加了一个「人群自适应」模块，根据脉搏波形态动态调整比例系数。效果嘛，至少通过了YY 0670标准的临床验证。

2.4 两种方法的对比

最后做个简单对比，方便你理解什么时候该用哪种方法：

对比项	柯氏音法	示波法
传感器需求	麦克风 + 压力传感器	仅压力传感器
抗运动干扰	差	中等
算法复杂度	高（需要声音识别）	低（峰值检测即可）
临床准确性	金标准	需校准，偏差±5mmHg以内
适用场景	医院、科研	家用、动态监测

嗯，这一章的内容就到这里。脉搏波是基础，柯氏音法是经典，示波法是主流。搞懂了这些，后面讲算法实现时你就能理解为什么代码要那么写了。下一章我们聊聊信号预处理，说白了就是怎么把脏数据洗干净。