现有的模式识别方法一般应用在已知的领域，要对一个不了解的专业领域实行模式识别，必须首先获取该领域的专业知识，而这往往要耗费很多的时间和精力。本文提出了一种不依赖于专业领域知识的模式识别方法。该方法是利用小波来提取一维时间序列波形的特征，并按一定的顺序组合成特征向量。在分类过程中根据特征向量的特性，采用前馈BP神经网络作为分类器。 为了验证小波的特征提取方法的有效性，本文的实验采用了心电信号和步态动力学两种不同种类的信号进行分析，利用小波特征提取对这两类不同领域的信号进行特征提取。本文介绍了一种基于小波变换的心电图(ECG)信号检测R波的算法，提出了一种精确提取R波的算法。经过对心电数据库的心电数据的大量实验表明，心电信号的第三层分解是适合提取R波信号的。结果显示即使存在比较严重的干扰噪声，使用本算法也可以实现对R波的有效提取并精确定位。其次，本文将小波用于步态动力学信号，将提取出来的特征向量输入到训练好的前馈BP神经网络进行分类。用节点数分别为10，10，2的三层BP神经网络成功地识别出三类步态动力学信号，分类结果显示基于小波的特征提取方法是有效的，适用于不同的专业领域。