光电容积脉搏波( Photoplethysmogram,PPG )传感是一个涉及精确传感器设计和高效信号处理的信号测量领域。由于采用了先进的纳米技术,使得传感界面变得成熟,能够实现高速、低误差的采样。因此,为了提高PPG传感的效率,必须对信号处理单元进行调整。研究者们提出了各种各样的算法,使用不同的分类模型对信号进行调理和减少误差。当应用于血压( BP )监测时,这些模型的效率受限于它们区分BP水平的能力。为了提高这种效率,底层文本提出了一种新的多模态集成分类器。提出的分类器从一系列高效的分类器中积累正确的分类实例,以增强PPG感知的效率。该效率与k近邻( kNN )、随机森林( RF )、线性支持向量机( LSVM )、多层感知器( MLP )、逻辑回归( LR )等标准分类模型进行了比较。观察到,本文提出的模型在分类精度方面比这些模型效率高10 %;因此,可以用于实时BP监测PPG信号的采集场景。这种精度是通过将实际BP值与实测BP值进行比较来估计的,然后评估误差差w . r . t .其他算法。