医学上通常采用抽血化验的方式来检测疾病,它是一种侵入创伤式检测手段,不仅会给病人带来痛苦,而且检测时间比较长。研究发现每个人所呼出的气体成分都是不同的,就像人的指纹一样,因此可称为“气体指纹”。气检具有非侵入无创伤等优点,它有望取代血检成为一种新型的疾病检测方式,呼吸诊断已经成为医学上的一个重要研究领域。本文围绕对经过萃取和电离后的呼吸气体信号进行数据处理方法的研究这一主线开展工作。呼吸气体成分分析过程包括四个方面:呼吸气体采集、呼吸气体平滑、呼吸气体特征提取以及阴阳虚分类识别。在呼吸诊断研究过程中,人们不断地探索新的检测技术来获取呼吸气体中反映病情的标志物。本文采用一种新的呼吸气体检测技术——电喷雾萃取电离质谱技术(EESI-MS)。采集经EESI-MS技术处理后的阴虚、阳虚、阴阳两虚和正常四类试验者的呼吸气体建立数据模型。对呼吸气体离子的质荷比归整后将质荷比相同的离子强度累加,使离子的强度值离散化,取质荷比为50-350的呼吸气体离子的总强度值作为数据分析的对象。在提取呼吸气体特征之前对呼吸气体进行高斯平滑处理,消除噪声干扰。在对呼吸气体特征提取方法的研究中,通过实验得出主成分分析方法PCA能够较好地提取呼吸气体的特征。最后利用SIMCA分类方法建立了四类人群的训练模型,分别计算测试样本与这四类训练模型的相似程度,以相似程度最大值所属的类型作为分类判别的结果。实验时四类呼吸气体样本数分别为42、12、13和19,所测得主成分数分别为43、7、8和13。四类训练模型的识别率和拒绝率都在80%以上。验证了PCA算法和SIMCA分类法相结合用于呼吸气体阴阳虚类型的识别效果比较明显。