疲劳是指机体在一定环境条件下,由于过于长时间或过度紧张的体力或脑力劳动引起的劳动效率趋向下降的状态。精神疲劳是多种病症的起源。人的大脑长期和过重的超负荷运行,长期处于疲劳状态下,会降低或损害生理功能,引发各种疾病,导致免疫机能的下降、内分泌失调等,这样感冒、心血管病、糖尿病等免疫系统疾病就会趁虚而入。因此,防止疲劳是杜绝各种疾病入侵的关键。由于疲劳状态通常并不伴有明显的病理表现,因而在临床医学检查中难以发现和评判。脉搏信号包含着丰富的人体生理信息,它反映了身体各子系统的生理状态和病理变化。通过对脉搏触觉信息的分析处理有望获取反映人体健康状态的特征指标,实现对精神疲劳的诊断与程度分级。该研究对于中医脉诊客观化、疾病预防控制、家庭保健,以及避免疲劳驾驶防止事故发生均具有重要而积极的意义。本文在综述国内外研究现状的基础上,系统地分析了中医脉象研究的工作流程和工作方法。采用脉搏图像化检测装置采集脉搏图像数据。在设计的精神疲劳实验中,组织了30位受试者做三位数组的加减运算,在无人干扰的环境下持续做三个小时的运算,以期受试者能够达到精神疲劳的状态,然后采集志愿者精神疲劳前后的脉搏动态图像并对脉搏视频图像进行相关分析从而提取脉搏信号,然后对脉搏信号进行低通滤波,实现脉搏信号的消噪和去基线漂移。并且根据脉象信号的产生机理、性质,提取出其中与人体生理和病理变化密切相关的特征参量,其中包括功率谱峰值、功率谱峰值频率、功率谱重心、功率谱重心频率、谱能比、倒谱零分量、第一倒谱谐波的幅值与倒谱零分量之比、0-20Hz以内脉搏信号的四组小波包分解能量特征向量。其次应用现代谱估计方法中的参数谱估计对两类脉搏信号的AR参数谱最大值对精神疲劳前后状态进行识别,分类正确率达到90%。经对60个样本(精神疲劳前后各30组)的LDA分类识别检验,平均正确率达到81.7%。采用BP神经网络方法对神疲劳前后两种脉象进行识别的确率平均达到95%。结果表明:通过脉搏图像化检测装置采集得到的脉搏图像信号经过算法处理得出脉搏信号,运用智能信号处理和现代信号处理方法进行特征提取,最后利用线性判别式分析和BP神经网络进行模式分类,对精神疲劳状态的识别达到了较好的效果,最后对本论文所研究的课题做了结论和展望。