本论文的研究工作是结合科研课题“嵌入式脉象信号分析与处理系统”展开的。中医独特的诊断方法及治病的疗效是有目共睹的。随着传感器技术和计算机处理技术的发展,人们开始致力于脉诊的客观化研究,希望用现代科学技术的方法和仪器,推进中医脉诊的现代化,这也是本文进行研究的目的。通过对脉图的形态分析,在时域脉搏图中提取特征信息以及采用神经网络进行分类识别等,在国内外已有不少报道,但算法还不够完善。本课题在总结前人工作的基础上,对脉象数据的特征提取,脉象的识别进行了研究。主要工作包括以下几个方面:首先,在对国内外人体脉象客观化研究方法进行比较的基础上,针对以往脉象特征提取算法单一从时域提取特征值,而导致无法对脉律不齐的脉象进行有效识别的缺点,本文采用脉象信号线性预测系数(LPC)、脉象信号线性预测倒谱系数(LPCC)和脉象信号MEL频率倒谱系数(MFCC),以及对原始数据通过小波变换后的参数作为研究脉象的新特征量。其次,鉴于VQ方法即简单又易于实现的特点,特别是在建立脉象信号识别模型时能减少数据的计算量与存储量,因而,能够获得较好的识别精度及较快的响应速度,此外,GMM在说话人识别中具有较好的效果,本文在深入研究脉象数据特征的基础上,构建了基于矢量量化和高斯混合模型的辨识系统。并用它们对四种常见的中医脉象证型气虚、气阴两虚、气滞和气滞血瘀进行了成功识别,为以后临床实验提供参考。最后,将本课题提出的脉象信号特征提取与识别算法应用于脉象辨识系统进行脉象识别,通过实验,证明了本文算法具有一定的可行性和有效性,并对实验结果进行了分析总结。实验表明,采用本文提出的特征参数和基于矢量量化模型进行的中医脉象证型信号分析识别时,识别正确率取得了一定效果,但总体的结果并不太理想,在研究脉象特征参数与中医证型的关系上,还要有进一步的研究。本文的研究是针对人体不同中医脉象证型而提出的一种脉象特征提取与识别方法,这一研究对于脉象客观化、脉象证型识别和现代信号处理技术在医疗辅助诊断中的应用,弘扬和推动传统医学现代化具有积极意义。