脉诊是中国中医学中的重要组成部分,对中医发展有着重要的作用。但是,传统的脉诊是通过切脉的方式确定,这使得脉象的辨识缺乏一定的客观标准,影响了其精度与可行性。因此,脉诊的客观化研究对中医脉学的发展有着重要的意义。本文主要是对平脉、细脉、滑脉和弦脉四种脉象信号的处理和辨识做了研究和探讨。本文中充分利用了小波变换具有的体现时频域低频和高频的能力,采用了小波分解重构的方法去除了脉搏波的基线漂移,消除了因呼吸引起的干扰。同时利用小波尺度分解的方法,获得了脉搏波8尺度小波分解后的各尺度能量分布的特征信息。同时也通过频域分析的方法,获取了脉搏波频谱相关的频域特征信息,并将以上的特征信息作为后续神经网络分类识别的特征输入。通过提取脉搏波的特征后,得到了4种频域特征和6种小波尺度能量特征信息。在脉象辨识过程中,首先采用了改进的BP算法分别对频域特征及小波尺度能量特征进行识别。建立三层BP神经网络,对40例样本进行训练,剩余的40例样本进行预测,分别得到了75%和80%的分类正确率。最后结合两种特征信息,组成10维特征向量,分别使用BP算法与基于遗传算法改进的BP算法两种研究方法,对上述的样本进行训练与预测,分别得到了90%和95%的分类正确率。并且,验证了基于遗传算法改进的BP神经网络在收敛速度和误差精度方面均有着非常优越的性能。并最终将此方法作为脉象健康监护系统中脉象辨识的核心算法,成功应用于实践中。最后,结合目前移动互联网与智能硬件的发展,利用以上脉象辨识算法的研究,加之本课题以前对脉搏波预测血压的研究成果。实现了一款健康监护系统的产品。使得实时化、便携化及智能化的健康监护迈近了一步。