中医脉诊学是传统医学的瑰宝,公元前就有人们通过脉搏波指导诊断各种疾病的记载、脉诊学有合理的内涵和丰富的经验,脉诊的客观化研究就是要利用先进的科学技术和手段来传统脉诊学和现代技术结合起来。本文主要研究了基于多点复合式压力传感器的多路脉象信号中特征提取和模式分类的一些技术。这些信号包括寸、关、尺三路主信号以及关部的七路副信号。在预处理阶段我们通过试验分析了近二十种小波基的性能,最终选择DMeyer小波进行小波包阈值消噪,消噪效果较以往的sym6小波消噪有所改进。我们还提出了LIP(Lowest point In one Period)算法用以改进基于周期起点插值的去基线漂移算法在多路信号应用中对噪声的鲁棒性。由于多路脉象信号具有一定的信息相关性,我们在三路主信号上利用ICA变换后去除噪声信号在反变换的办法恢复了一些被噪声湮没的脉搏波信号。在特征提取阶段由于基于差分的时域特征提取算法在应用于多路信号时该算法的准确性受噪声影响比较严重,我们提出了基于ILP(Intersection points of Lines and Pulse waveform)的时域特征提取算法,耐噪声能力得到了很大提高。为了定义脉搏波的宽度特征,我们用高斯函数拟合七个副探头的平均幅值然后用拟合得到的高斯函数的delta来代表脉搏波的宽度。最后我们还提取了四个新的面积特征,十维频域特征以及脉搏波的强度特征。在模式分类阶段我们尝试了支持向量机,神经网络以及基于知识的神经网络算法,我们还对不同种类的特征进行了联合特征的分类实验,结果表明在用神经网络分类时联合特征可以有效的提高识别精度。在基于知识的神经网络应用中由于我们利用了领域知识来改进性能使其络获得了这些分类方法之中最高的识别精度。