血细胞计数，是临床上判断有无疾病、疾病类型和严重程度的主要依据。目前国内大多数血细胞分析仪采用库尔特原理对血细胞进行检测。然而，检测过程中出现的“结伙”、“溜边”现象会使形成的血细胞脉冲形态异常。传统的脉冲计数方法无法识别这类形态异常的血细胞脉冲，从而产生误计或漏计，影响血细胞计数的准确性。因此，血细胞信号的准确分类与识别对血细胞精确计数具有重要意义。本文首先回顾了国内外血细胞分析技术的发展现状、趋势和存在的问题，着重分析了当前血细胞计数与识别所面临的问题，并分别阐述了Hilbert-Huang变换(Hilbert-Huang Transform, HHT)和支持向量机(Support Vector Machine, SVM)的研究进展和现状。其次，介绍了血细胞脉冲信号的采集原理和采集、预处理过程，并分析了多形态血细胞信号产生的原因及影响。然后，分别阐述了Hilbert Huang变换和支持向量机的相关理论。介绍了Hilbert Huang变换的基本原理、两个核心算法、分析流程以及该方法在时频分析中的优势性。概述了支持向量机的理论基础、分类原理及分类算法，并分析了目前常用的分类方法的优缺点。针对多形态血细胞信号识别问题，本文在比较分析了常见的特征提取方法和分类方法后，设计了一种基于Hilbert Huang变换和多分类支持向量机的识别算法。根据血细胞脉冲信号的时域特点，选择脉冲宽度、高度、峰谷比和陡度作为信号的时域特征。用Hilbert Huang变换提取血细胞信号的第2~5阶IMF分量的谱质心和能量贡献率作为其频域特征，与时域特征一起构成血细胞的特征向量。根据血细胞的特征属性和类别数，设计了一种基于支持向量机的多类分类器，并通过理论分析和实验测试确定分类器的结构、分类算法及相关参数。通过LibSVM软件仿真，表明该算法对多形态的血细胞脉冲信号具有良好的分类效果；临床测试结果也验证了该算法的有效性与可行性。本文主要研究成果是：通过对非线性、非平稳、形态多样的血细胞信号识别算法的研究，解决了传统脉冲计数法漏计、误计、识别精度低的问题，为解决血细胞分类计数的稳定性和准确性等关键问题进行了有益尝试，对于打破国际品牌血液分析仪对核心技术的垄断和促进国产血液分析仪的进一步发展有一定的借鉴意义。