模式识别能力是人类智能的重要组成部分。用计算机实现模式的自动识别,是开发智能机器的一个最关键的突破口。模式识别不仅是一个有重大科学意义的研究领域,也是数字化网络时代诸多实际应用需要突破的一项重大关键技术。尽管人们对模式识别分类算法的研究已从事了很长时间,并已取得了很多成果,但到目前为止,机器的识别本领还无法与人的认知能力相比,这仍是一个有难度的开放问题,因此它们对于模式识别等学科和理论来说,仍有较强的研究价值和意义。同时,模式识别分类算法的研究,对于进一步提高复杂环境条件下的文字识别、语音识别、指纹识别、遥感、医学诊断、工业产品检测、天气预测、卫星航空图片等领域的技术和应用问题,都具有重要的借鉴和启发意义。本文结合作者在计算机视频电磁泄漏文字图像分类识别、血容积脉波采样数据分类等应用方向的研究工作,系统得阐述了统计模式识别系统的构成,追踪了目前模式识别热门应用中常用的关键技术,着重研究了信息分类与识别算法的主要技术与应用。同时,实现了关键技术在新实例上的应用,设计了计算机视频电磁泄漏文字图像识别系统和血容积脉波采样数据分类系统,针对相应的实现在原有技术上进行了改进,取得了很好的效里。模式识别的三个关键技术是样品的预处理、特征提取和选择、以及分类器设计。本文主要围绕以下几点开展了研究工作：第一,将迭代阈值法用于计算机电磁泄漏文字图像的二值化,获得了更好的去噪效果；第二,利用盲信号处理技术(如PCA、FastICA、Infomax等)提取血容积脉波采样数据的特征,研究表明经FastICA特征提取后的分类结果更准确；第三,将基于概率统计的贝叶斯分类算法和支持向量机方法设计的分类器,分别应用于计算机视频电磁泄漏文字图像识别系统和血容积脉波采样数据分类系统,并取得了很好的效果,为这两个领域的进一步研究打下了良好的基础；第四,研究了小型化遥测胶囊微带天线的设计。本文的主要贡献和创新性有：针对电磁泄漏文字图像预处理中的问题,系统采用一种快速迭代阈值方法作为预处理手段,并将传统的基于概率统计的贝叶斯分类算法应用在电磁泄漏文字图像识别中,并得到了很好的识别效果；研究了血容积脉波采样数据分类的特征提取部分,采用了盲信号处理算法进行特征提取,提出了应用支持向量机分类算法对血容积脉波采样数据分类,成功地实现了正确分类。另外,作者还针对小型化的遥测胶囊微带天线,研究了T型DGS结构参数变化对其频率特性的影响。经过仿真分析,证明了基于缺陷接地结构的遥测胶囊微带天线能够成功地抑制高次谐波,并提高辐射特性。