本发明涉及医疗器械技术领域，尤其涉及一种智能健康一体机，该一体机是一种可以进行血压和/或血糖等生理健康参数测量和数据管理的智能设备，具有人脸识别功能以及语音交互功能，并可以对用户的血压进行长期监测，对异常血压状态进行警示。
背景技术：
随着生活水平的提高，现代人的饮食结构、生活习惯均发生了变化，也有越来越多的人出现了诸如高血压、高血糖、高血脂等慢性疾病。在生活水平提高的同时，人们也开始重视自己的健康问题，同时对各种家用检测仪的需求也越来越高，比如：血压计、血糖仪、血氧仪等。
目前市面上的各种检测仪对于采集过程及数据的分析管理都非常单一，只是采集数据并且保存。这些仪器没有很好地根据不同的用户对采集过程进行优化，例如目前血压的采集大多都是先将袖带的气压加到一定的阈值，然后在放气的过程中测量血压。加压的阈值设定是根据加压过程中通过算法估算出需要的阈值，而加压一旦过大则会引起测量过程的不适感。而且这些仪器也没有针对不同的用户及用户的不同状态进行分类和数据分析。目前已有研究表明，情绪状态对一些生理参数具有影响，特别是血压、呼吸、心率等。现有技术存在的不足包括：一、目前市面上的检测仪均只具有一种健康检测功能(如血压)，不能满足家庭对于健康检测的更多需求；二、大多数检测仪的采集过程比较单一，没有对不同用户和同一用户的不同情绪状态进行分类，虽然已有技术将人脸识别应用于血压计，但是这些技术通常仅能作为身份认证及数据管理使用；三、大多数的检测仪数据分析方面较为单一，只能与历史值进行的纵向对比分析，而缺少对于用户的不同情绪状态下的横向分析。
另一方面，每种检测仪器都具有不同的操作界面，所以如果用户需要测量多种生理参数需要熟悉各个仪器的操作界面，分别掌握它们使用方法。但是由于需要这些检测的使用者大多年龄偏大，对于他们来说，熟悉界面和掌握方法的过程存在一定的难度。而且，有的检测仪对于部分老年人及一些存在身体缺陷的人群(如视力不佳)而言无法实现独立操作。因此还存在以下不足：一、检测仪的操作和使用不便；比如血压计，需要一边操作袖带，一边操作按键，对于部分老年人以及存在身体缺陷的人群而言，无法独立进行操作；二、市场上大部分检测仪都是静音的，对于视力不佳的使用人群，无法及时获取仪器的反馈，进行下一步操作；三、目前市场上这些检测仪一般都只具有单个的功能，而且每种检测仪器都具有不同的操作界面和按键方式，上手难度高。
另外，众所周知，血压是一个长期变化的过程，其中血压的波动情况是血压的重要风险指标之一，更能体现身体的健康变化状况。目前现有的家用血压计仅对单次测量得到的血压值进行比对，并不对血压的长期变化情况做分析，因此不能全面的反应出人体的健康状况。其原因在于，这种采用历史血压平均值与测得的血压值进行对比的分析方法存在以下问题：一、分析的结论不准确，无法反应出用户血压的突然波动，因此容易忽略潜在的血压问题；二、由于用户的血压受其他因素(如年龄等)影响较大，因此与平均值对比得出的结论就显得不准确；三、面对血压计检测出的专业数值分析，常规用户很难直接了解其健康数据的含义。
因此，如何解决上述现有技术存在的不足，便成为本发明所要研究解决的课题。
技术实现要素：
本发明的目的是提供一种智能健康一体机。
为达到上述目的，本发明采用的技术方案是：
一种智能健康一体机；包括健康检测模块、主控制器、电源模块、人脸识别模块、语音模块、数据储存模块以及显示模块；
所述健康检测模块用于采集用户的健康数据，并电连接所述主控制器，并将获得的健康数据传输到主控制器；
所述主控制器电连接各模块，用于对用户的所述健康数据进行分析处理，并控制各模块之间的信号传输；
所述电源模块电连接所述主控制器及各模块，用于给主控制器及各模块供电；
所述人脸识别模块包括摄像头以及身份识别单元，所述摄像头电连接所述身份识别单元；在一体机工作时，所述摄像头获得用户的面部影像，所述身份识别单元根据所述面部影像识别用户的身份；
所述语音模块包括语音录入模块以及语音识别单元；所述语音录入模块电连接所述语音识别单元；在一体机工作时，所述语音录入模块用于采集用户的语音信号，所述语音识别单元根据所述语音信号识别用户的指令，实现语音控制；
所述数据储存模块用于储存用户数据，包括用户的档案及用户的健康数据；
所述显示模块用于显示一体机的界面。
上述技术方案中的有关内容解释如下：
1.上述方案中，还通过一种动态血压分析方法对用户测得的血压值进行分析；所述方法包括：
按日期正序，在连续或断续的不同日期对用户的血压值进行分别测量，测得的血压值作为历史血压值；
以及
对所述历史血压值中的历史收缩压和历史舒张压进行曲线拟合，分别得出所述历史收缩压的变化趋势函数以及所述历史舒张压的变化趋势函数；
以及
测量用户的当前血压值；
以及
将所述当前血压值中的当前收缩压与所述历史收缩压的变化趋势函数进行比对，或者/同时，将所述当前血压值中的当前舒张压与所述历史舒张压的变化趋势函数进行比对；
若所述当前收缩压及所述当前舒张压中至少一者与各自对应的函数不匹配，则判定所述当前血压值不正常；
若所述当前收缩压及所述当前舒张压均与各自对应的函数相匹配，则判定所述当前血压值正常。
2.上述方案中，所述拟合方式包括多项式拟合、指数函数拟合、高斯拟合(拟合方式并不局限于上述三种，仅为举例说明)；
假设：历史时间点xi为：x1，x2，...，xn，历史血压值yi为：y1，y2，...yn，表示为离散函数y＝f(x)；yi为历史收缩压或历史舒张压，i为1到n中的任意自然数，n为自然数，表示历史血压值的个数。
3.上述方案中，所述拟合方式为多项式拟合法；模型为：p(x)＝amxm+am-1xm-1+…+a1x+a0∈πm(m+1＜n)；
用函数y′＝p(x)拟合上述离散函数y＝f(x)，其中y′表示预测收缩压或预测舒张压的数值；
用aj表示a0，a1，...，am，为多项式的系数；j为1到m中的任意自然数，m为自然数；所述系数aj由被拟合的离散函数对应的所有(xi，yi)值确定。
系数aj由上述已知的历史时间点及历史血压值(xi，yi)带入模型函数后求解得出。
4.上述方案中，所述拟合方式为指数函数拟合法；模型为：
用函数y′＝p(x)拟合上述离散函数y＝f(x)，其中y′表示预测收缩压或预测舒张压的数值；
用bj表示b0，b1，...，bm，用λj表示λ1，λ2，...，λm，均为指数函数系数；j为1到m中的任意自然数，m为自然数；所述系数bj和所述系数λj是由被拟合的离散函数对应的所有(xi，yi)值确定。
系数bj和系数λj是由上述已知的历史时间点及历史血压值(xi，yi)带入模型函数后求解得出。
5.上述方案中，所述拟合方式为高斯拟合法；模型为：
用函数y′＝p(x)拟合上述离散函数y＝f(x)，其中y′表示预测收缩压或预测舒张压的数值；
用cj表示c0，c1，...，cm，用μj表示μ1，μ2，...，μm，用σj表示σ1，σ2，...，σm，均为高斯函数的系数；j为1到m中的任意自然数，m为自然数，；所述系数cj，所述系数μj和所述系数σj是由被拟合的离散函数对应的所有(xi，yi)值确定。
系数cj，系数μj和系数σj是由上述已知的历史时间点及历史血压值(xi，yi)带入模型函数后求解得出。
6.上述方案中，e为自然对数的底数，为无限不循环小数，其值约为：2.71828182845904523536。
7.上述方案中，求解拟合函数模型系数的方法可以为最小二乘法：
使用p(x)函数模型拟合y＝f(x)
最小二乘法就是使得拟合函数y＝p(x)，在任意xi点，拟合函数点与被拟合函数点的距离最小，即所有的(xi，p(xi))与(xi，yi)距离之和最小；
即：
两边同时对函数模型所带的系数求偏导。
8.上述方案中，若函数模型为多项式，则两边同时对aj求偏导；
即：设
对aj求偏导为：
将所有(xi，yi)带入求解方程组，得到a0，a1，...，am。
9.上述方案中，若函数模型为指数函数，则分别两边同时对bj和λj求偏导；
即：设
对bj求偏导为：
对λj求偏导为：
将所有(xi，yi)带入求解方程组，得到b0，b1，...，bm及λ1，λ2，…，λm。
10.上述方案中，若函数模型为高斯函数，则分别两边同时对cj，μj和σj求偏导；
即：设
对cj求偏导为：
对μj求偏导为：
对σj求偏导为：
将所有(xi，yi)带入求解方程组，得到c0，c1，...，cm及μ1，μ2，…，μm及σ1，σ2，…，σm。
11.上述方案中，在测量用户的当前血压值之后，先与一预设值进行比对，判断测得的所述当前血压值是否为有效值。即，排除异常状态下测得的明显是错误的测量值。
12.上述方案中，按日期正序，在连续或断续的不同日期对用户的血压值进行分别测量，且每个测量日至少测量一次，测得的血压值作为历史血压值。例如，进行分时段的测量。
13.上述方案中，在测量用户的当前血压值之后，查看所述当前血压值对应的时刻所处的时间段，并将所述当前血压值储存到当日的对应的所述时间段中。
所述时间段至少包括每个测量日的早上或/和晚上，具体可包括：6:00-9:00、17:00-20:00、9:00-17:00、20:00-24:00、0:00-6:00等。
14.上述方案中，判断所述用户在对应的所述时间段中所述历史血压值是否达到预定数量；若所述历史血压值的数量大于或等于预定数量，则对用户的所述当前血压值做分析。
15.上述方案中，对各所述时间段中的所述历史血压值中的历史收缩压和历史舒张压进行曲线拟合，分别得到与所述时间段数量一致的所述历史收缩压的变化趋势函数曲线以及所述历史舒张压的变化趋势函数曲线。
16.上述方案中，通过所述曲线拟合算出当前血压值的预测收缩压和预测舒张压(即，理论上当前血压值应有的收缩压和舒张压)，再分别算出所述当前收缩压与所述预测收缩压的第一偏差值(sd)及所述当前舒张压与所述预测舒张压的第二偏差值(dd)；
然后，根据预设阈值对所述第一偏差值(sd)和所述第二偏差值(dd)进行分析，得出用户的血压波动信息，即得出结论用户的当前血压值是正常还是异常，或者异常程度进行等级化，预设阈值的参数可由长期临床数据分析得出，也可人为设定。
17.上述方案中，所述第一偏差值(sd)及所述第二偏差值(dd)为绝对值，所述血压波动信息包括：
所述第一偏差值(sd)大于第一收缩压预设阈值(sl1)或所述第二偏差值(dd)大于第一舒张压预设阈值(dl1)，判断所述用户的血压波动为第一等级；
所述第一偏差值(sd)大于第二收缩压预设阈值(sl2)或所述第二偏差值(dd)大于第二舒张压预设阈值(dl2)，判断所述用户的血压波动为第二等级；
所述第一偏差值(sd)大于第三收缩压预设阈值(sl3)或所述第二偏差值(dd)大于第三舒张压预设阈值(dl3)，判断所述用户的血压波动为第三等级。
第一收缩压预设阈值(sl1)小于第二收缩压预设阈值(sl2)小于第三收缩压预设阈值(sl3)，第一舒张压预设阈值(dl1)小于第二舒张压预设阈值(dl2)小于第三舒张压预设阈值(dl3)。
18.上述方案中，对于测试结果的等级划分说明，可如下述示意：
若为第一等级，则表示血压波动为轻度异常；
若为第二等级，则表示血压波动为中度异常；
若为第三等级，则表示血压波动为重度异常。
等级划分的数量并不仅限于本案揭示的三级，可更加实际需要增减，目的在于表示血压波动的严重程度，比如轻度异常意味着血压需要引起用户注意，建议用户调整饮食作息，而中度和重度异常则意味着用户需要接受医生诊断。
19.上述方案中，所述第一偏差值(sd)为正值或负值，所述第二偏差值(dd)为正值或负值；所述预设阈值包括正预设阈值和负预设阈值，当两偏差值为正时与正预设阈值进行分析比对，当两偏差值为负时与负预设阈值进行分析比对，得出用户的血压波动信息。
若在阈值区间内则判断为正常，若在阈值区间外则判断为异常，且可将异常程度等级化。
20.上述方案中，还可预设一数值作为历史血压值，或者取首次测得的血压值作为历史血压值，由于历史血压值的数量为单个，不具备直接拟合为曲线的条件，因此需要多次测量获得用户的多次血压值之后才具备曲线拟合条件。
21.上述方案中，曲线拟合可以在测量用户的当前血压值之前完成，也可以在当前测量之后进行。
22.上述方案中，得出用户的血压波动信息之后，所述系统以显示屏显示或灯光提示或语音播报或响起蜂鸣声中的一种或几种方式告知用户本次测量得到的所述当前血压值，或者/并且提示用户所述当前血压值是否正常，还可告知所述当前血压值的波动信息。
23.上述方案中，所述人脸识别模块还包括情绪识别单元，所述摄像头电连接所述情绪识别单元；在一体机工作时，所述摄像头获得用户的面部影像，所述情绪识别单元根据所述面部影像识别用户的情绪。
24.上述方案中，所述身份识别单元用于识别用户的面部特征，以确认用户的身份，并将所述健康数据储存到该用户的档案中；若识别为新用户，则通过面部特征注册新用户，并将所述健康数据储存到该新用户的档案中。
25.上述方案中，所述情绪识别技术本身为现有技术，即，通过机器学习和深度学习技术都已经能实现情绪识别，可通过大量图片进行学习，其原理类似人脸识别的原理。
26.上述方案中，所述健康数据包括血压值、血糖值、血氧值等数据。
27.上述方案中，所述健康检测模块包括以下一种或多种模块：
血压测量模块、血糖测量模块、血氧测量模块、血脂测量模块。
28.上述方案中，所述健康检测模块为血压测量模块，所述血压测量模块包括充气模块、放气模块、控制器、信号采集模块以及数据处理模块；所述控制器电连接所述充气模块、所述放气模块、所述信号采集模块以及所述数据处理模块。所述血压测量模块用于接收到主控制器的指令后进行血压测量并将测得的数据传到主控制器进行分析，该血压测量模块为现有技术，本领域技术人员能够熟练掌握并根据需要进行适应性调整，故不赘述。
29.上述方案中，所述健康检测模块为血糖测量模块，所述血糖测量模块包含电化学分析模块、信号采集模块以及数据处理模块；所述信号采集模块电连接所述电化学分析模块，电化学分析模块电连接所述数据数据处理模块。所述血糖测量模块用于接收到主控制器的指令后进行血糖测量并将测得的数据传到主控制器进行分析，该血糖测量模块为现有技术，本领域技术人员能够熟练掌握并根据需要进行适应性调整，故不赘述。
30.上述方案中，所述语音模块还包括声纹识别单元；所述语音录入模块电连接所述声纹识别单元；在一体机工作时，所述语音录入模块用于采集用户的语音信号，所述声纹识别单元根据所述语音信号识别用户的身份。
31.上述方案中，所述声纹识别单元用于识别用户的声纹特征，以确认用户的身份，并将所述健康数据储存到该用户的档案中；若识别为新用户，则通过声纹注册新用户，并将所述健康数据储存到该新用户的档案中。
32.上述方案中，所述语音识别单元用于将语音信息转换为文字信息，然后将文字信息与数据库中储存的关键词进行匹配分析，匹配到相对应的关键词后，再分析该关键词对应的指令，最后将指令发送到主控制器实现指令的执行。
33.上述方案中，所述语音控制包括语音启动一体机、语音控制执行各测试命令、显示界面等控制操作。
34.上述方案中，所述语音录入模块包括麦克风及滤波器，两者电连接。
35.上述方案中，所述语音模块还包括语音播报单元，所述语音播报单元用于接收用户的指令，并根据指令寻找对应的语音文件进行播放。
36.上述方案中，还包括数据传输模块，所述数据传输模块电连接所述电源模块及所述主控制器；
所述数据传输模块为有线传输或/和无线传输。
37.上述方案中，所述显示模块为触摸屏显示器和非触摸屏显示器。
本发明的工作原理及优点如下：
本发明通过人脸识别模块的设置，可具有以下优点：一、可通过人脸自动识别身份进行登录，无需用户手动登录，简化操作方式；二、健康检测前识别用户身份，调取对应用户的档案数据；以血压检测为例，通过分析历史收缩压得出气囊加压的阈值，以提供给用户在测量血压的过程中最佳的体验效果；三、健康检测前分析用户的面部特征，获取用户当前情绪状态；以血压检测为例，在血压测量结束后，可通过情绪状态和血压数据来分析用户的血压变化情况和健康情况，以获得更加准确、合理的血压变化信息；四、将各种常用的健康检测仪集成在一个设备上，由一个主控制器控制，只需熟悉一种最简单的操作流程，方便家庭使用，节约成本。
本发明通过语音模块的设置，可具有以下优点：一、检测的整个操作过程可脱离键盘、按键及屏幕界面，所有的操作只需语音便可以完成；例如：用户说“测量血压”，系统便语音提示“是否已绑好袖带”，用户回复“是”，系统开始测量血压，并将测得的血压储存到相对应的用户档案；用户说“查看健康数据”，系统便打开相对应的用户档案，显示器显示系统自动分析好的用户的健康数据，并系统语音提示“是否播报健康数据”，用户回复“是”，系统开始播报用户的健康数据；用户说“修改档案”，显示器显示用户信息，用户可根据系统语音提示修改用户信息；二、将各种检测仪集成到一个设备上，由一个主控制器控制，只需熟悉一种最简单的操作流程，方便家庭使用，并节约了成本；三、可语音完成所有检测仪的检测操作，并系统自动记录保存；四、对于独居老人，本发明提供了一个可进行语音交互的健康管理设备，可以为其增添生活的乐趣和便利性。
本发明通过曲线拟合的方式对历史血压值进行分析，可有效地对用户血压值的变化趋势进行预测，一方面可在用户进行当前测量时给出血压是否正常的判断结论，另一方面可以对用户的血压变化的动态进行展示，并可提供给用户健康提示，使人们更清楚了解自身的健康状态，同时便于医院就诊时提供有助于用药指导的血压数据；在使用时，无需用户严格遵照某一特定的测量规则进行测量，用户可在任意时间进行测量，每次测量均可通过与历史血压值的变化趋势函数比对得出血压值正常与否的结论。但是，基于本发明的技术方案，除上述离散形测量方式而外，本发明的动态血压分析方法还包括但不限于以下专业功能：一、本发明具备拟合每天血压值变化趋势函数的功能，测量点为每个测量日的不同时段，经过多个测量日测量之后，有助于掌握每个测量日的血压值变化动态，还可进行每日与每日之间变化趋势函数的比对，由于变化趋势函数可以曲线的形式展现，因此有助于判断是否当前测量日与之前测量日相比，血压有不正常波动；二、本发明具备拟合每周血压值变化趋势函数的功能，测量点为每周的七个测量日，经过多周测量之后，有助于掌握每周的血压值变化动态，还可进行周与周之间变化趋势函数的比对，由于变化趋势函数可以曲线的形式展现，因此有助于判断是否当前测量周与之前测量周相比，血压有不正常波动；三、本发明具备拟合某个特定时间段血压值变化趋势函数的功能，测量点为每个测量日的特定时间段，如早晨6：00-9：00，经过多次测量之后，有助于掌握每天该时间段的血压值变化动态，因此有助于判断是否当前测量与之前测量相比，血压有不正常波动。本发明的动态血压分析方法，将随着使用时间越长，采集的血压数据越多，得到更为准确分析结论。
附图说明
附图1为本发明实施例的电路原理框图。
具体实施方式
下面结合附图及实施例对本发明作进一步描述：
实施例：参见附图1所示，一种智能健康一体机；包括健康检测模块、主控制器、电源模块、人脸识别模块、语音模块、数据储存模块以及显示模块；
所述健康检测模块包括血压测量模块、血糖测量模块、血氧测量模块及血脂测量模块，用于采集用户的健康数据，如血压值、血糖值、血氧值等，并电连接所述主控制器，并将获得的健康数据传输到主控制器；
所述主控制器电连接各模块，用于对用户的所述健康数据进行分析处理，并控制各模块之间的信号传输；
所述电源模块电连接所述主控制器及各模块，用于给主控制器及各模块供电；
所述人脸识别模块包括摄像头、身份识别单元以及情绪识别单元，所述摄像头电连接所述身份识别单元及所述情绪识别单元；在一体机工作时，当用户打开测量界面后会触发摄像头工作，所述摄像头获得用户的面部影像，所述身份识别单元根据所述面部影像识别用户的身份，身份识别单元用于识别用户的面部特征，以确认用户的身份，并将所述健康数据储存到该用户的档案中；若识别为新用户，则通过面部特征注册新用户，并将所述健康数据储存到该新用户的档案中。所述情绪识别单元根据所述面部影像识别用户的情绪，该情绪识别技术为现有技术，即，通过机器学习和深度学习技术都已经能实现情绪识别，可通过大量图片进行学习，其原理类似人脸识别的原理。
所述语音模块包括语音录入模块、声纹识别单元以及语音识别单元；所述语音录入模块电连接所述声纹识别单元以及所述语音识别单元；所述语音录入模块包括麦克风及滤波器，两者电连接。在一体机工作时，所述语音录入模块用于采集用户的语音信号，所述声纹识别单元根据所述语音信号识别用户的身份，声纹识别单元用于识别用户的声纹特征，以确认用户的身份，并将所述健康数据储存到该用户的档案中；若识别为新用户，则通过声纹注册新用户，并将所述健康数据储存到该新用户的档案中。所述语音识别单元根据所述语音信号识别用户的指令，实现语音控制，语音控制包括语音启动一体机、语音控制执行各测试命令、显示界面等。语音识别单元用于将语音信息转换为文字信息，然后将文字信息与数据库中储存的关键词进行匹配分析，匹配到相对应的关键词后，再分析该关键词对应的指令，最后将指令发送到主控制器实现指令的执行。
所述语音模块还包括语音播报单元，所述语音播报单元用于接收用户的指令，并根据指令寻找对应的语音文件进行播放。
所述数据储存模块用于储存用户数据，包括用户的档案及用户的健康数据；其中，还包括数据传输模块，所述数据传输模块电连接所述电源模块及所述主控制器；所述数据传输模块为有线传输或/和无线传输。
所述显示模块为触摸屏显示器或非触摸屏显示器，用于显示一体机的界面；所述界面包括使用时的界面，也可在非使用时对用户的健康报告进行显示等。
其中，所述血压测量模块包括充气模块、放气模块、控制器、信号采集模块以及数据处理模块；所述控制器电连接所述充气模块、所述放气模块、所述信号采集模块以及所述数据处理模块。所述血压测量模块用于接收到主控制器的指令后进行血压测量并将测得的数据传到主控制器进行分析，该血压测量模块为现有技术，本领域技术人员能够熟练掌握并根据需要进行适应性调整，故不赘述。
所述血糖测量模块包含电化学分析模块、信号采集模块以及数据处理模块；所述信号采集模块电连接所述电化学分析模块，电化学分析模块电连接所述数据数据处理模块。所述血糖测量模块用于接收到主控制器的指令后进行血糖测量并将测得的数据传到主控制器进行分析，该血糖测量模块为现有技术，本领域技术人员能够熟练掌握并根据需要进行适应性调整，故不赘述。
本发明还通过一种动态血压分析方法对用户测得的血压值进行分析；所述方法包括：
按日期正序，在连续或断续的不同日期对用户的血压值进行分别测量，测得的血压值作为历史血压值；
以及
对所述历史血压值中的历史收缩压和历史舒张压进行曲线拟合，分别得出所述历史收缩压的变化趋势函数以及所述历史舒张压的变化趋势函数；
以及
测量用户的当前血压值；
以及
将所述当前血压值中的当前收缩压与所述历史收缩压的变化趋势函数进行比对，或者/同时，将所述当前血压值中的当前舒张压与所述历史舒张压的变化趋势函数进行比对；
若所述当前收缩压及所述当前舒张压中至少一者与各自对应的函数不匹配，则判定所述当前血压值不正常；
若所述当前收缩压及所述当前舒张压均与各自对应的函数相匹配，则判定所述当前血压值正常，同时，将所述当前血压值计入所述历史血压值中。
所述拟合方式包括多项式拟合、指数函数拟合、高斯拟合(拟合方式并不局限于上述三种，仅为举例说明)；
假设：历史时间点xi为：x1，x2，...，xn，历史血压值yi为：y1，y2，...yn，表示为离散函数y＝f(x)；yi为历史收缩压或历史舒张压，i为1到n中的任意自然数，n为自然数，表示历史血压值的个数。
若所述拟合方式为多项式拟合法；
则模型为：p(x)＝amxm+am-1xm-1+…+a1x+a0∈πm(m+1＜n)；
用函数y′＝p(x)拟合上述离散函数y＝f(x)，其中y′表示预测收缩压或预测舒张压的数值：
用aj表示a0，a1，...，am，为多项式的系数；j为1到m中的任意自然数，m为自然数；所述系数aj由被拟合的离散函数对应的所有(xi，yi)值确定。
系数aj由上述已知的历史时间点及历史血压值(xi，yi)带入模型函数后求解得出。
若所述拟合方式为指数函数拟合法；
则模型为：
用函数y′＝p(x)拟合上述离散函数y＝f(x)，其中y′表示预测收缩压或预测舒张压的数值；
用bj表示b0，b1，...，bm，用λj表示λ1，λ2，...，λm，均为指数函数系数；j为1到m中的任意自然数，m为自然数；所述系数bj和所述系数λj是由被拟合的离散函数对应的所有(xi，yi)值确定。
其中，e为自然对数的底数，为无限不循环小数，其值约为：2.71828182845904523536。
系数bj和系数λj是由上述已知的历史时间点及历史血压值(xi，yi)带入模型函数后求解得出。
若所述拟合方式为高斯拟合法；
则模型为：
用函数y′＝p(x)拟合上述离散函数y＝f(x)，其中y′表示预测收缩压或预测舒张压的数值；
用cj表示c0，c1，...，cm，用μj表示μ1，μ2，...，μm，用σj表示σ1，σ2，...，σm，均为高斯函数的系数；j为1到m中的任意自然数，m为自然数，；所述系数cj，所述系数μj和所述系数σj是由被拟合的离散函数对应的所有(xi，yi)值确定。
系数cj，系数μj和系数σj是由上述已知的历史时间点及历史血压值(xi，yi)带入模型函数后求解得出。
其中，求解拟合函数模型系数的方法可以为最小二乘法：
使用p(x)函数模型拟合y＝f(x)
最小二乘法就是使得拟合函数y＝p(x)，在任意xi点，拟合函数点与被拟合函数点的距离最小，即所有的(xi，p(xi))与(xi，yi)距离之和最小；
即：
两边同时对函数模型所带的系数求偏导。
其中，若函数模型为多项式，则两边同时对aj求偏导；
即：设
对aj求偏导为：
将所有(xi，yi)带入求解方程组，得到a0，a1，...，am。
若函数模型为指数函数，则分别两边同时对bj和λj求偏导；
即：设
对bj求偏导为：
对λj求偏导为：
将所有(xi，yi)带入求解方程组，得到b0，b1，...，bm及λ1，λ2，…，λm。
若函数模型为高斯函数，则分别两边同时对cj，μj和σj求偏导；
即：设
对cj求偏导为：
对μj求偏导为：
对σj求偏导为：
将所有(xi，yi)带入求解方程组，得到c0，c1，...，cm及μ1，μ2，…，μm及σ1，σ2，…，σm。
其中，在测量用户的当前血压值之后，先与一预设值进行比对，判断测得的所述当前血压值是否为有效值。即，排除异常状态下测得的明显是错误的测量值。
其中，可按日期正序，在连续或断续的不同日期对用户的血压值进行分别测量，且每个测量日至少测量一次，测得的血压值作为历史血压值。例如，进行分时段的测量。
在测量用户的当前血压值之后，查看所述当前血压值对应的时刻所处的时间段，并将所述当前血压值储存到当日的对应的所述时间段中。
所述时间段至少包括每个测量日的早上或/和晚上，具体可包括：6:00-9:00、17:00-20:00、9:00-17:00、20:00-24:00、0:00-6:00等。
在测量用户的当前血压值之后，会先判断所述用户在对应的所述时间段中所述历史血压值是否达到预定数量；若所述历史血压值的数量大于或等于预定数量，则对用户的所述当前血压值做分析。
然后，对各所述时间段中的所述历史血压值中的历史收缩压和历史舒张压进行曲线拟合，分别得到与所述时间段数量一致的所述历史收缩压的变化趋势函数曲线以及所述历史舒张压的变化趋势函数曲线。
接着，通过所述曲线拟合算出当前血压值的预测收缩压和预测舒张压(即，理论上当前血压值应有的收缩压和舒张压)，再分别算出所述当前收缩压与所述预测收缩压的第一偏差值(sd)及所述当前舒张压与所述预测舒张压的第二偏差值(dd)；
然后，根据预设阈值对所述第一偏差值(sd)和所述第二偏差值(dd)进行分析，得出用户的血压波动信息，即得出结论用户的当前血压值是正常还是异常，或者异常程度进行等级化，预设阈值的参数可由长期临床数据分析得出，也可人为设定。
其中，所述第一偏差值(sd)及所述第二偏差值(dd)为绝对值，所述血压波动信息包括：
所述第一偏差值(sd)大于第一收缩压预设阈值(sl1)或所述第二偏差值(dd)大于第一舒张压预设阈值(dl1)，判断所述用户的血压波动为第一等级；
所述第一偏差值(sd)大于第二收缩压预设阈值(sl2)或所述第二偏差值(dd)大于第二舒张压预设阈值(dl2)，判断所述用户的血压波动为第二等级；
所述第一偏差值(sd)大于第三收缩压预设阈值(sl3)或所述第二偏差值(dd)大于第三舒张压预设阈值(dl3)，判断所述用户的血压波动为第三等级。
第一收缩压预设阈值(sl1)小于第二收缩压预设阈值(sl2)小于第三收缩压预设阈值(sl3)，第一舒张压预设阈值(dl1)小于第二舒张压预设阈值(dl2)小于第三舒张压预设阈值(dl3)。
其中，对于测试结果的等级划分说明，可如下述示意：
若为第一等级，则表示血压波动为轻度异常；
若为第二等级，则表示血压波动为中度异常；
若为第三等级，则表示血压波动为重度异常。
等级划分的数量并不仅限于本案揭示的三级，可更加实际需要增减，目的在于表示血压波动的严重程度，比如轻度异常意味着血压需要引起用户注意，建议用户调整饮食作息，而中度和重度异常则意味着用户需要接受医生诊断。
其中，所述第一偏差值(sd)为正值或负值，所述第二偏差值(dd)为正值或负值；所述预设阈值包括正预设阈值和负预设阈值，当两偏差值为正时与正预设阈值进行分析比对，当两偏差值为负时与负预设阈值进行分析比对，得出用户的血压波动信息。
若在阈值区间内则判断为正常，若在阈值区间外则判断为异常，且可将异常程度等级化。
另外，还可预设一数值作为历史血压值，或者取首次测得的血压值作为历史血压值，由于历史血压值的数量为单个，不具备直接拟合为曲线的条件，因此需要多次测量获得用户的多次血压值之后才具备曲线拟合条件。
其中，曲线拟合可以在测量用户的当前血压值之前完成，也可以在当前测量之后进行。
其中，得出用户的血压波动信息之后，所述系统以显示屏显示或灯光提示或语音播报或响起蜂鸣声中的一种或几种方式告知用户本次测量得到的所述当前血压值，或者/并且提示用户所述当前血压值是否正常，还可告知所述当前血压值的波动信息。
本发明通过曲线拟合的方式对历史血压值进行分析，可有效地对用户血压值的变化趋势进行预测，一方面可在用户进行当前测量时给出血压是否正常的判断结论，另一方面可以对用户的血压变化的动态进行展示，并可提供给用户健康提示，使人们更清楚了解自身的健康状态，同时便于医院就诊时提供有助于用药指导的血压数据；并且该动态血压分析方法将随着使用时间越长，采集的血压数据越多，得到更为准确分析结论。
上述实施例只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人士能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡根据本发明精神实质所作的等效变化或修饰，都应涵盖在本发明的保护范围之内。