中医有“望、闻、问、切”四诊,是传统文化的精华,具有简单、方便、非侵入等优点,但比较主观,缺乏客观诊断标准。随着信息科技领域的不断发展,为中医的数字化、科学化、现代化提供了可能。呼吸诊断作为中医诊断数字化的一个关键部分,继承了中医的经验和精华,并借助现代信号处理方法和模式识别方法,实现了对中医闻诊信息化和客观化,推动了中医现代化发展。　　现代医学证明,人类呼出气体中含有可以指示某种疾病的具有标记作用的气体。这些气体可以作为特定疾病的标记物,例如大量丙酮出现在糖尿病病人的呼气中,大量的氨气出现在尿毒症病人的呼气中,等等。因此通过专有设备对呼吸成分进行检测,能够实现对这些疾病的检测,这就为呼吸诊断提供了可能性。本文将借助呼吸气体采集系统,采集健康样本和多种疾病样本,完成了一套完整的,适用于呼吸诊断系统的气体模式识别方法,期望在预测某些疾病方面能够达到较高的准确率。　　对气体信号的数据处理方法的研究是本文的主要研究内容。主要包括气体信号样本的标准化方法,特征提取方法,以及设计适用于呼吸诊断系统的分类方法等方面的研究。首先,对采集得到的气体信号样本进行预处理是十分必要的一个环节,因为预处理的结果能够影响后期的样本识别效果。此外,它可以消除采样过程中的数据偏移以及环境干扰等问题,并减少由样本浓度以及气体压力造成的样本差异,有利于后期的分析处理工作。其次,在特征提取方法的研究中,根据气体样本的特点,建立了基于高斯函数的数学模型,对气体样本进行曲线拟合,提取模型中的系数作为特征,并比较了常见的几种特征提取方法。实验证明主成分分析方法可以很好的表达气体信号本身的类别信息。最后,尽管现在已经有许多典型的模式分类方法,但是这些方法都是在对样本进行统计分析的基础上发展的,在样本数量不够多的情况下,其表现就不尽人意。因此提出一种新的基于稀疏表示的分类方法,将测试样本表示为训练样本的线性组合,通过建立最优化模型,获取线性组合的系数,通过系数的稀疏性获取待测样本的分类信息。实验结果表明,这种分类方法在我们的数据集上的分类效果优于其他常见的分类方法,例如SVM,ANN,LDA,KNN等。