脉象蕴含着人体丰富的器官信息,通过切脉即可感知人体脏腑的病理变化。但是长期以来中医理论对脉象的描述主观性太强,较模糊和笼统,医师要熟练掌握脉诊需要长期经验积累。所以,传统脉诊的客观化势在必行,用量化标准定义各种脉象形态可以使得脉诊更加科学。　　本文使用光电压力复合式的传感器检测人体脉象信号,并通过采样处理以数字化的形式存储计算机中。数据采集阶段总共收集了150例健康人和289例病人,其中包括了胃病患者,神经科患者,肾病科患者等,这些组成了脉象分析的数据库。　　脉象信号是一种微弱的生物医学信号,在采集过程中难免会受到周围环境的干扰。本文利用数字信号处理的方法,对原始信号进行处理和优化。首先,采用软阈值小波去噪的方法对脉象信号滤去高频毛刺噪声,以及用数字线性滤波器过滤工频噪声。其次,使用三次样条插值修补因被试者呼吸和肢体抖动带来的基线飘移。再次,对优化后的脉象信号做分割周期和标准化工作。最后得到预处理后的单周期脉象信号。　　脉象特征提取是脉象客观化重要的一环,也是本文的重点。本文针对时域的直观形态特征和高斯模型进行了优化和改进,分别提取了13维相对形态特征和9维高斯参数特征。　　最后,本文使用K近邻、线性判别函数、支持向量机三种分类器对提取的脉象特征分类。实验表明,本文改进的特征提取算法使得分类结果提高了3％左右。光电和压力信号结合的分类方式比单独信号的分类更有优势,分类效果更好。健康人和病人的识别正确率达到了73.33%,而健康人和心血管疾病患者、胃病患者、肾病患者的区分度更高。由此表明这三类疾病在脉象上有着明显的反映。