脉诊是中医理论体系的重要组成部分,但脉诊易受医生主观臆断等因素的影响,且脉诊难于传承。为了进一步提高脉诊的诊疗水平,脉诊客观化研究以及其在临床诊疗中的灵活运用是现在亟需解决的问题。本课题对含相兼脉在内的8类脉象信号进行分析,设计了以非线性方法希尔伯特黄变换(HHT)为基础的分析方法,和以支持向量机为基础的分类算法。首先,在脉象信号分析处理过程中,提出了基于聚合经验模态分解(EEMD)的改进阈值去噪算法,采用网格搜索对低频固有模态函数(IMFs)进行阈值选取去噪,实现自适应且有效的脉象信号去嗓处理。然后,特征的提取以常见时域特征为基础,采用HHT对其进行变换,从Hilbert能量谱、及IMF分量间幅值、能量差异的角度提取特征。同时,提出一种以信息熵和相关性准则为评估标准的递进式特征选择算法,对脉象信号特征集的44维特征进行更具针对性的评估、筛选。最后,在HHT分析的基础上,结合LIBSVM对两步分类算法进行改进,进一步实现脉象信号的模式识别研究。实验表明,在脉象信号的分析处理过程中,HHT分析方法在保留脉象信号内在性质的基础上明显改善了脉搏信号的去噪效果,同时,HHT方法还是脉象信号目标特征的有效提取手段。在分类算法的研究中,对482例脉象数据进行模式识别,改进后的二步分类算法使相兼脉的平均准确率得到明显提高,且8类脉象信号的平均准确率比单步分类法提高近30个百分点。