脉象是血脉搏动的位、数、形、势的综合现象。脉象的形成,不仅与心、血、脉相关,而且与其他全身脏腑机能活动也息息相关。而脉诊的本质就是通过脉象的变化判断病症的部位、性质,推断病势轻重。因而脉诊对病情的判断和病症的识别具有非常重要的意义。为实现临床上常见脉象信号的量化,从时域和频域进行脉象信号的特征提取。首先采用阈值法进行时域分析,并将时域特征与模态能量商相结合,得到有效识别脉象信号的时域特征。然后采用FFT方法进行信号频域分析,并获得信号的基频、功率谱谐波个数、谱能比及前次峰等频域特征。通过200例脉象信号的分析计算,获得了临床上常见脉象信号的典型特征参数：h3/h1, h4/h1, t1, t, K, R, f0, h0及x。使用改进的模糊C均值方法、BP神经网络以及模糊神经网络三种方法分别对六种脉象信号进行分类识别。通过识别结果发现,改进的模糊C均值易受隶属度函数、模糊推理规则及聚类中心点的影响,其识别准确率为76%；BP神经网络对脉象信号的识别准确率为84%,经过训练后,识别率提高到92%,但由于隐含层的原因,其训练时间较长；模糊神经网络对六种脉象的识别率为92%,经过训练后,其准确率提高到99%,并且训练速度得到提高,较好地实现了脉象信号的分类识别。本文对临床采集的平脉、弦脉、沉脉、细脉、滑脉、缓脉六种脉象进行了时域及频域特征分析,利用选取的特征参数作为识别的输入量,采用模糊神经网络进行分类识别,其识别率达到92%,较好地实现了六种脉象信号的分类识别。