研究目的：本课题旨在建立可辨识虚实证型的语言采集分析系统，辅助中医医生的临床诊断和基础教学。　　 研究方法：采集健康人、实证、气虚和阴虚各证之受测者的语音信号，从单一元音/a:/入手，通过小波包分析技术和神经网络识别技术对健康人、实证、气虚和阴虚的语音进行分析和研究。声音信号经端点检测后，运用小波包分析技术分析，提取小波包系数能量、小波包系数功率、Shannon熵值、小波包短时系数能量变异和小波包短时系数功率变异五组特征。分析时将样本分为三组，分别是：健康与非健康组、实证与虚证组、气虚与阴虚组。通过独立变量非参数检验方法对三组样本的小波包参数进行检验，提取检验得到的有显著差异的参数项作为辨证参数，进行辨证BP网络模型的训练和学习，再利用模型分别对各组进行辨证，并对辨证符合率做了分析。同时，利用平均过零率、峰谷值变异、共振峰变异和高频能量比等既往参数与小波包参数进行了对比。　　 实验结果：利用小波包变换和参数提取的方法得到频段信息参数和变异信息参数，分别表征了语音信号不同频段和不同尺度上的声诊信息，所采用的参数对于辨识证型有临床意义；不同频段能量信息参数包含了不同证型间的差别信息，对于临床各证型均有辨识意义，变异信息参数有助于实证与虚证的辨识。利用新的声诊的采集提取方法结合非参数统计和BP神经网络技术对声音信息参数的筛选和证型识别分析，使得分类辨证总符合率分别达到了88.0％、84.2％和76.9％，处于较高水平，与既往对照参数相比，具有效果好、波动性小的优点。　　 实验结论：所采用的声诊采集方法运用于临床采样切实可行；利用该研究设计的检测系统对辅助临床诊断及基础教学有一定价值，具有较广的应用前景。