近年来中医脉诊逐步走向客观化分析道路,客观化的首要步骤就是用采集设备获取高质量的脉象信号,然后对脉象信号进行生物医学分析。然而脉象信号作为一种动态的生理弱信号,在采集过程中容易受到外界环境的干扰以及被采集者状态的影响。外界噪声过大、采集位置偏移、被采集者说话或移动等,都可能影响到脉象信号的质量,使得脉象信号出现高频噪声、局部突变、基线漂移等异常。这些异常会对后期研究造成一定的困难,因此排除脉象信号的局部干扰是脉诊走向客观化的重点研究内容。本课题的主要目的就是在已有脉象采集设备的基础上,对其采集到的脉象信号进行质量分析。倘若检测出异常脉象信号,则在提示造成信号异常的原因之后重新采集。然后通过对质量较好的脉象信号进行突变检测,排除由噪声引起的突变周期。最后再对正常脉象信号进行标准化处理(包括去噪、去除基线漂移、周期分割等)。在脉象信号质量分类研究中,采用时域特征、频域特征以及熵特征相结合作为分类特征。其中时域特征代表了脉象信号的波形信息,频域特征代表脉象信号与噪声的频域分布,熵特征代表脉象信号的复杂度。利用提取的特征,采用LIBSVM分类器进行脉象信号的质量分类,在LIBSVM分类结果基础上添加时域分析,进而做到查准率为100%。为了保证脉象信号分析的实时性,减少冗余特征,本课题又进行了特征选择。对比了两种不同的特征选择方法,最终筛选出5维具有代表性特征,用于实时的脉象信号质量分析。在质量较好的脉象信号局部异常检测中,提出了基于面积和曲线光滑度的方法,区分噪声引起的局部突变和疾病引起的局部突变,并提出基于Hilbert-Huang变换和ARMA模型预测的方法准确剔除噪声引起的突变。在质量较好脉象信号标准化研究中,提出了基于脉象波峰和波谷位置的方法调整脉象信号方向;提出了使用三次样条插值法拟合脉象信号中的基线漂移;提出了构建相似性网络的方法排除脉象信号的异常单周期。最终达到将脉象信号分割为标准单周期集的目的。