脉搏波是一种反映心血管功能的重要生理信号，它包含大量关键的健康信息，对于心血管疾病的早期诊断和持续监测具有重要意义。尽管近年来脉搏监测技术取得了显著进展，但仍有若干关键的技术难题尚未解决：其一，信号采集容易受到运动干扰；其二，高精度监测设备依赖专业的医疗仪器，这不仅成本高昂，还阻碍了自主式长期监测的实现。传统的二维卷积神经网络需要将脉搏波序列转换为二维图像，而这一转换过程会导致时频变换，使得一些重要的时域特征丢失，同时还会增加外部系统的复杂性和计算负担。本研究提出了一种基于单层卷积晶体管的一维智能卷积监测系统。该系统采用混合架构，结合自供电的脉搏感知功能与外部偏置的卷积晶体管计算功能。系统通过高灵敏度的柔性传感器直接采集人体脉搏信号，并利用近似的一维卷积神经网络进行现场特征提取和分析，从而使设备的整体面积减少了80%以上。在公共生理波形数据集上的测试表明，该系统在脉搏相关异常波形分类方面的准确率可达98.2%。这项研究为可穿戴健康监测设备提供了一种高度集成且低功耗的解决方案，其在心血管疾病早期筛查领域具有巨大的应用潜力。
