脉诊是祖国医学“四诊”中的重要组成部分,也是中医学中最具特色的诊断方法。随着计算机技术的发展,人们希望能运用现代化的脉象采集仪器和信号处理方法,对传统的中医脉诊进行客观化研究与探讨,以期为临床医学提供一定的判断依据。时间序列的参数化模型分析一直是工程应用领域最基本、最有效的方法之一,也一直受到国内外信号处理领域内的学者广泛关注。时间序列最典型的一个本质特征就是相邻观测值的依赖性,为了能精确地反映和刻画其自身发展变化的规律,通过对时间序列数据拟合的模型来描述这种物理现象,是确信无疑的。用所建立的模型系数来代表原始数据的特征也在诸多领域得到了应用,本文就采用这样的方法对所采集到的脉象数据进行特征提取,为后面的分类提供了维数较低的数据。BP神经网络是迄今为止应用最广泛的人工神经网络,特别是在非线性的应用领域,显示了较大的优势。标准的BP网络存在一些固有的缺点,在实际的应用中可能会带来很多的资源浪费,因此,本文根据标准BP算法的特点,应用了改进的BP算法即LM算法,通过对比两种算法的结果,发现LM算法更加适合本文所研究的内容。试验结果显示,用前面方法所提取的特征向量作为网络的训练和测试样本,然后进行吸毒者和正常人的识别,取得了较高的识别率。针对海洛因吸毒者和正常人的脉象信号的特征差异甚微这一特点,本文用两种时间序列统计量进行特征提取,即对所采集到的数据进行自相关系数和AR模型的系数的特征参数提取。建立模型最关键也是最重要的是阶数的确定,阶数取得太高或者太低,都不能准确地刻画脉象信号的本质特征,从而会影响后续的分类工作。本文结合目前应用比较广泛的相关性分析和残差分析两种方法来确定脉象信号的阶数。通过大量的试验,认为当阶数取3时就能很好地反映原始信号的特征,从而将原始的90维向量降为3维向量,方便了BP网络的识别。在所研究的30例人体脉象信号中,安排20例来用于训练(其中吸毒者和正常人分别为10人),剩下的10人用作测试(其中吸毒者和正常人各5位)。应用LM算法、AR模型系数来进行识别时,10个被测试的脉象中,只有“b12”一位吸毒者被误判为正常人。可见基于时间序列的统计分析参数和改进的BP神经网络的中医脉象信号分类是可行的。