本论文以中医脉象人工智能辨识系统的研究与开发为背景，对中医脉象信号的采集和识别作了研究和探讨。 首先，本文在研究中医脉象信号特点的基础上，完成了脉象信号客观化检测系统中的数据采集卡的设计，并初步实现了提取脉图时域特征与识别单一型脉图的系统功能。其次，本文根据脉图的时域特征，采用学习矢量量化算法，训练文中确立的神经网络分类器，用以实现对脉图的识别。并比较了LVQ神经网络分类器与传统近邻法的分类性能。 本文还研究了典型的LVQ算法中，初始量化矢量个数与选取方法对LVQ神经网络分类性能的影响。在此基础上，本文提出了一种改进的LVQ算法，并通过选择适当的网络参数，进一步改善了网络的识别性能。 尽管文中的训练样本有限，但是仿真结果表明：利用神经网络对脉象信号进行识别是一种可行而有效的方法，在自适应、自学习能力方面较传统的模式识别方法具有明显的优越性。