一种基于跨信号迁移学习的生理参数预测方法

本发明公开了一种基于跨信号迁移学习的生理参数预测方法。首先，收集光电容积脉搏波（PPG）信号的公开数据集，利用包含三流特征提取网络和适配器模块的模型—TriPulseNet进行第一阶段预训练，获得预训练模型并保存最优权重；其次，用毫米波雷达采集颈部脉搏波信号，将其作为目标域数据集，通过渐进式微调策略对预训练模型进行迁移适配，获得微调模型；最后，将待预测的颈部脉搏波信号输入微调模型，通过通过三流特征融合输出舒张压（DBP）和收缩压（SBP）等生理参数。本发明利用PPG与颈部脉搏波在心血管生理特征上的关联性，通过跨信号迁移学习实现知识复用，解决了颈部脉搏波数据集稀缺导致的模型训练难题；所设计的适配器模块和渐进式微调策略能有效缓解两种信号的域偏移问题，显著提升生理参数预测精度，同时避免了针对颈部脉搏波信号从零开始训练的资源消耗，适用于便携式生理监测设备的实时参数估计场景。