脉诊作为传统中医诊断方法的重要构成部分,其客观化研究是当代传承和发展中医的关键方面之一。传统中医脉诊中,中医师通过切按脉搏,从脉率、脉位等多个脉象要素上感知机体脉象和辨别病症。目前的脉诊客观化研究在处理分析脉搏波信号时大多无法与中医临床切脉诊病理论相结合,不仅难以复现脉诊的个性化诊断机制,也未能充分利用脉搏波信号中携带的丰富生理病理信息。本文以中医脉诊理论为基础,综合应用多种信号处理和机器学习方法,研究探讨了脉搏波信号从预处理、特征提取和评估到脉象分类识别的完整处理分析过程。首先提出了脉搏波信号预处理及特征提取方法和针对非典型脉搏波进行特征点探测的方法;然后提出了从脉搏波信号中提取呼吸信息的方法,并基于此设计验证了具有个性化判断机制的脉率要素分类器;通过多段取脉压力下脉搏波信号的处理设计了脉位要素分类器;通过特征选择和应用Xgboost、支持向量机算法训练出脉形、脉势要素分类器;最后从脉搏波特征重要性评估筛选和呼吸波特征补充提取两个崭新的角度探讨了哮喘病脉的脉搏波信号分类问题。为了验证本文提出的四种脉象要素分类器用于脉诊临床辅助诊断的可行性,将脉象要素分类器应用于哮喘病脉数据集,并使用模糊C均值聚类算法(FCM)对脉象要素分类结果进行了聚类分析。聚类分析的结果呈现出与中医脉象要素主病理论相符合的典型哮喘患者和健康人群的脉象聚类,说明本文提出的脉象要素分类器能一定程度上辅助脉诊临床诊断。