人体脉搏波中包含了丰富的心血管生理和病理信息,而动脉血压更是临床治疗的常规项目,对预测心血管疾病有着重要的价值。目前,上臂肱动脉脉搏波常用来评估人体血压水平。但相对于肱动脉脉搏波,主动脉脉搏波能更直接地反映心血管系统事件。针对目前中心动脉压有创测量损伤大,而无创测量精度低的现状,本论文提出了由两路外周动脉信号(肱动脉和股动脉)无创估计中心动脉的双通道盲辨识算法,并建立了基于FIR的黑箱模型和ⅡR的灰箱模型,旨在实现中心血管系统的无创监测。论文主要工作包括以下几个方面：首先,本论文介绍了课题背景和意义,介绍了心血管系统建模的意义和基本方法,阐述了中心动脉压的病理和生理意义,回顾了中心动脉压估计的方法,并分别指出了这些方法的优势和不足。然后针对心血管系统的特点,利用T-tube模型来仿真心血管系统,获得肱动脉、股动脉和中心动脉信号,为后面的盲辨识算法提供数据和理论依据。然后,本论文介绍了双通道盲辨识的的FIR黑箱模型,并深入研究了极大似然算法(包括CR算法,TSML算法)与子空间算法。在此基础上,改进盲辨识算法,提出了心血管系统双通道盲辨识的ⅡR的灰箱模型,利用心血管系统传递函数系数矩阵的稀疏性来辨识通道参数,这样得出的模型能更加精确估计心血管系统的特性,从而提高了估计中心动脉压的精度。最后,本论文采集动物数据,对提出的盲辨识算法进行了分析和评估。研究发现这些算法辨识精度从高到低分别为TSML算法、子空间算法和CR算法。本文提出的基于TSML的盲辨识法操作简单、临床实用性高,为将来实现心血管系统的无创监测提供了新思路。此外,为了深入研究心血管系统的内在机理,本文提出了Hammerstein-Wiener非线性模型来建立中心动脉和桡动脉的关系,重建的中心动脉波与有创采集的中心动脉波匹配度达到80%以上。这方面有待深入研究以进一步揭示心血管系统的非线性特性。