由动脉硬化引起的各类心脑血管疾病的发生率在逐年攀升,全球有很多人遭受由心脑血管疾病带来的痛苦与折磨。为了提高对动脉硬化程度检测的准确率,本文设计了一款基于LabVIEW多参数动脉硬化检测系统,该系统能够测量心电、光电脉搏波、压电脉搏波和血压四种信号的特征值,与其他研究不同的是本文对于脉搏波信号的时域和频域特征提取分别放在压电脉搏波和光电脉搏波两种信号上,并且加入了血压特征,通过实验验证了血压特征在神经网络中对动脉硬化识别的有效性,并且与其它信号特征相结合能够提高神经网络的学习效率和准确率。该系统的设计主要工作包括硬件数据采集系统、上位机智能分析平台和算法分析选择三个部分:（1）硬件中选择了标准I导联电极片传感器、HK2000B压电传感器、ST188光电传感器和XGZP型压阻式传感器分别测量心电、桡动脉压力容积脉搏波、指尖光电容积脉搏波和袖带血压四种信号数据并使用调理电路对采集的信号使用进行滤波和放大。控制器选择STM32F103C8T6芯片,使用HC05蓝牙模块作为通讯工具。（2）软件上基于LabVIEW软件开发平台搭建了动脉硬化智能分析系统,主要实现了对下位机发送的数据接收、保存、处理和分析等功能。数据处理功能中使用中值滤波算法完成了去除信号的基线漂移,利用小波阈值算法对信号降噪处理,并介绍了四种信号特征值的提取过程。（3）动脉硬化数据分析中以108名实验对象的四种生理信号数据作为数据源,以脉搏波速为参考指标将其分为健康、轻度硬化、中度硬化以及重度硬化四种程度等级。先验证了血压特征在BP网络中的有效性,然后分析了血压与其他种类特征值的组合在BP神经网络中的有效性,通过另外两种模式识别算法LVQ、PNN网络与BP网络对比,最终确定四种信号的11个特征参数在BP神经网络中对动脉硬化识别分类的准确率最高。