中医脉诊古老且神奇，发展至今，已形成一个庞大而复杂的理论体系，然而在高科技迅猛发展的今天，中医脉诊的数字化进程稍显滞后，没有能够与现代先进科学技术做到很好的结合，从而导致其发展缓慢，难以普及，因此，对中医脉诊的数字化研究势在必行。本课题集脉象信号的获取、预处理、特征提取、分类于一体，综合研究，逐步处理，期望能够对中医脉诊的数字化研究贡献一份力量。主要完成工作如下：脉象信号的获取：论文中所涉及的样本均来自于广东省中医院的各个科室，包括：体检科（101例健康样本），肾科（136例慢性肾病患者样本），内分泌科（134例糖尿病患者样本），采样设备为复合式压力、光电传感器的脉象采集装置。脉象信号的预处理：包括利用小波分解单支重构去除噪声，利用脉象信号单周期特征非匹配延拓来进行无效成分的切除，而去除基线漂移方法为提取脉象信号的周期起始点序列，对其进行三次样条插值，模拟基线漂移，进而减去以上的模拟成份，即可达到去除基线漂移的目的，在周期分割部分，通过比较单周期脉象信号上升沿、下降沿时长，确定周期起始点序列及波形形状，进而进行单周期提取，最后进行归一化操作将每一个单周期信号的幅值归一化到0-1区间。特征提取：本课题提取12维时域特征，包括脉象信号中波峰的个数、脉象信号周期起点到主波峰点的时值、脉象信号一个周期的时间长度等。同时利用小波变换对脉象信号进行5层分解，提取6维小波域特征。分类：本课题进行分类实验所应用的分类器为K-近邻分类器与支持向量机。实验结果表明：健康人组与慢性肾病组的区分在能量特征上应用支持向量机分类，效果较好；健康人组与糖尿病组的区分在时域特征上应用支持向量机分类，效果较好。最后通过对融合特征及健康疾病样本的分类实验，整体识别率得到提升同时本课题研究的可行性得到了验证。