当前心血管疾病已成为全球范围内危及人类生命和健康的“头号杀手”,临床诊断多采用有创手段,不但病人痛苦大,且不能实现实时监测。多年来科研人员利用人体生理信息如脉搏波参数与病理的关系探索心血管的无创诊断方法已取得了巨大成果,总结出脉搏波时域、频域中与心血管疾病相关的大量参数。但这些参数数量巨大,且对于参数与心血管病理特征的相关程度目前缺少一个有效的评价标准;单项参数与生理信息的联系直观上难以理解,系统性差,只能提供单项指标的评价而非疾病诊断,这些问题都使研究成果在医院临床应用和患者日常保健中的应用受到一定程度的限制。加上关于脉搏波时、频域特征参数的研究重复性比较大,开拓新的研究思路势在必行。本文针对目前脉搏波对于心血管疾病诊断研究的若干问题,采用脉搏波时域、频域综合分析的方法,通过特征识别技术从若干特征参数中找出与冠心病病变最为相关的参数,并应用这些参数建立识别模型,将简单的参数报告与疾病诊断联系在一起。首次将复杂度参数——小波熵分析方法引入到脉搏波特征检测的领域中来,开拓了脉搏波频域研究的新思路。本文通过临床实验采集冠心病人与正常人脉搏波样本各三十例,计算出脉搏波时域、频域各项参数,采用遗传算法的特征优选方法对其进行处理,成功的剔除对于识别冠心病人与正常人贡献不大的特征参数,并找出与冠心病病变显著相关的特征参数,达到将提取冠心病特有参数提取的目的。在特征优选的基础上,应用模糊模识别方法分析脉搏波时域特征参数并建立模型,随机抽取病例进行模型检验达到100%的检验精度。采用Bayes判别分析方法对脉搏波频域特征参数和脉搏波时、频域特征参数进行建模,并采用交互验证的方法进行了模型精度检验,精度分别达到90.0%、83.3%和80.0%、83.3%,较好的达到了由脉搏波特征系统诊断冠心病病变的目标。本文最后还对比两种建模方法和模型验证方法为未来的研究工作做好了准备。