一种脉象信号识别方法和装置.pdf

本发明公开了一种脉象信号识别方法和装置，包括对脉象信号进行模糊处理；确定脉象模糊变量；根据脉象模糊变量对脉象信号分类。因此，本发明所述的脉象信号识别方法和装置能够对脉象信号进行精准的识别工作。

1.  一种脉象信号识别方法，其特征在于，包括步骤：
对脉象信号进行模糊处理；
确定脉象模糊变量；
根据脉象模糊变量对脉象信号分类。

2.  根据权利要求1所述的方法，其特征在于，所述对脉象信号进行模糊处理包括步骤：
确定模糊集合与隶属函数；
对模糊集合进行模糊推理；
根据模糊推理的结果进行建模。

3.  根据权利要求2所述的方法，其特征在于，所述模糊集合为设X是对象x集合，x是X的任一元素，X上的模糊集合A定义为一组有序对：
A＝{(x,μ_A(x))x∈X}
其中，μ_A(x)被称为模糊集合A的隶属函数；隶属函数将X中的每个元素映射为0和1之间的隶属度。

4.  根据权利要求3所述的方法，其特征在于，所述对模糊集合进行模糊推理：是从一组模糊if-then规则和已知事实中得出结论的推理过程；设A、A’和B分别是X,X和Y上的模糊集合，模糊隐含A→B表示为X×Y上的模糊关系R。则由x是A和模糊规则，如果x是A则y是B导出的模糊集合B定义为μ_B'(y)＝max _x min[μ_A'(x),μ_R(x,y)]＝∨_x[μ_A'(x)∧μ_R(x,y)]；
(1)具有多个前件的单一规则：具有两个前件的模糊if-then规则通常写作：如果x是A,y是B,则z是C，相应的问题表示为：
前提1事实：x是A’and y是B’
前提2规则：如果x是A and y是B则z是C
后件结论：z是C’
前提2中的模糊规则可以写成简单的形式A×B→C；这一模糊规则转换为一个基于模糊隐含函数的三元模糊关系R_m：
R_m(A,B,C)＝(A×B)×C＝∫_x×y×zμ_A(x)∧μ_B(y)∧μ_c(z)/(x,y,z)
结果的C’表示为：
C'＝(A'×B')ο(A×B→C)
因此
μ_C'(z)＝∨_x,y[μ_A'(x)∧μ_B'(y)]∧[μ_A(x)∧μ_B(y)∧μ_C(z)]
＝∨_x,y{[μ_A'(x)∧μ_B'(y)∧μ_A(x)∧μ_B(y)]}∧μ_C(z)
＝{∨_x[μ_A'(x)∧μ_A(x)]}∧{∨_y[μ_B'(y)∧μ_B(y)]}
＝(ω₁∧ω₂)∧μ_C(z)
其中，ω₁和ω₂分别是A Ι A'和B Ι B'隶属函数地最大值，通常ω₁表示A和A’之间地匹配度，ω₂类似；
(2)具有多个前件的多条规则
通常将多条规则处理为相应于每条模糊规则的模糊关系的并集，模糊推理规则：
前提1事实：x是A`，论域为[A1,A2,A3]
           y是B`，论域为[B1,B2]
           z的论域为[C1,C2,C3]
前提2规则1：IF x是A1或y是B1  则z是C1
前提3规则2：IF x是A2  则z是C2
前提4规则3：IF x是A3或y是B2  则z是C3。

5.  根据权利要求4所述的方法，其特征在于，所述对模糊推理后的结果进行去模糊化，去模糊化是指从模糊集合中抽取精确数值的方式，面积中心法Z_OOA去模糊化策略描述如下：
ZOOA=∫ZμA(z)zdz∫μA(z)zdz]]>其中μ_A(z)是集结的输出隶属函数。

6.  根据权利要求5所述的方法，其特征在于，所述模糊推理的计算捷径：在和－积复合下，采用中心去模糊化的模糊推理系统的输出等于各后件MF中心的加权平均，其中每个权因子等于激励强度与后件MF面积的乘积。分别使用乘积与和作为隐含和集结算子，有
μC′(z)=ω1μc1(z)+ω2μc2(z)]]>
中心去模糊化得到的精确输出为
ZOOA=∫zμC′(z)zdz∫zμC′(z)dz=ω1∫μC1(z)zdz+ω2∫μC2(z)zdzω1∫μC1(z)dz+ω2∫μC2(z)dz=ω1a1z1+ω2a2z2ω1a1+ω2a2]]>
其中ai=∫zμci(z)dz]]>和zi=∫zμci(z)zdz∫zμci(z)dz]]>分别是后件的面积和中心。

7.  根据权利要求6所述的方法，其特征在于，所述模糊建模分为两个阶段：第一阶段是辨识表面结构，包括：选择相关的输入和输出变量；选择特定形式的模糊推理系统；确定与每个输入和输出变量有关的语言术语的数目；设计一组模糊if-then规则；
第二阶段辨识深度结构，即确定每个语言术语的MF，包括：选择恰当的参数化MF；确定规则库中所用MF的参数；使用回归和优化技术调制MF的参数。

8.  根据权利要求7所述的方法，其特征在于，所述确定脉象模糊变量包括脉象模糊的输入变量和输出变量:
定义脉象输入变量组进行描述：
输入变量组Feel论域：
[脉位 脉宽 脉力 脉率 流利度 紧张度 节律 均匀度 虚实度 平稳度脉长 浮象 充盈度]
脉象输入变量的隶属范围、判别阀值和隶属函数类型确定：设模糊变量X的一个取值为X1，对应X1的标准样本数据集为A＝{x1,x2,…,xn}，则X1取值中心为E(A)，范围为[min(A),max(A)]；
在确定变量值隶属范围的基础上，确定紧判别阀值：上限阀值：th_h＝max(A)，下限阀值：th_l＝min(A)；
当模糊输入变量的不同取值范围存在交叉时，模糊变量中间取值隶属度函数简单采用中心对称的三角隶属函数，边缘取值采用半开的梯形隶属函数；对于模糊变量取值范围不存在交叉的确定情况，模糊变量中间取值，可简单采用梯形隶属度函数，边缘取值采用半开的梯形隶属函数；
确定脉象模糊的输出变量：脉象输出变量组Pulse论域：
[浮、芤、散、沉、浮、滑、涩、动、弦、紧、牢、革、弱、濡、微、虚、实、大、洪、细、长、短、迟、缓、数、疾、结代、促]
脉象每一输出变量的隶属范围、隶属函数类型和输出脉象类型判决确定：脉象输出变量组Pulse的论域取值中心依次以1－28表示，对于每一模糊变量Xn,取值中心为n，范围为[n-0.5,n+0.5]，如对于浮脉则以1为中心，取值范围为[0.5 1.5]；
当输出变量的不同取值范围存在交叉或需要进行可信度表示时，变量取值隶属度函数简单采用中心对称的三角隶属函数；对于模糊输出变量取值范围不存在交叉且分类确定情况(如按脉率分类)，模糊变量取值可简单采用的梯形隶属度函数；
设脉象输出变量可信度下限阀值为thrl，上限阀值为thrh脉象类型输出可信度集A＝{a₁,a₂,...,a_n}，则输出变量可信度大于阀值的类型集合：R＝{i|a_i≥thrl,i＝1,2,...28}；
S＝{j|a_j≥thrh,j∈R)。

9.  一种脉象信号识别装置，其特征在于，根据权利要求1-8任意一项所述的脉象信号识别方法得到所述的脉象信号识别装置包括：模糊处理单元，能够对脉象信号进行模糊处理；确定模糊变量单元，与所述模糊处理单元相连，能够确定脉象模糊变量；分类单元，与所述确定模糊变量单元相连，用于根据脉象模糊的输入、输出变量对脉象信号分类。

一种脉象信号识别方法和装置
技术领域
本发明涉及信息识别领域，特别是指一种脉象信号识别方法和装置。
背景技术
目前，信息识别的过程本质上是消除各种不确定性信息，对待识别信号进行定量分析和有效处理，以提高目标识别的可靠性和智能度。
在现有脉象识别的技术当中，受测试方法和人体生理特性的影响，不同脉象表现出相似性和多元性，没有明确的外延；人们对脉象的理解和判定主要凭借感觉和笼统的描述，没有明确的脉象判别定量化客观描述。传统方法已经被证明无法处理具有不确定性、不精确性、不完全性、模糊性、随机性和非单调性特征的信息。
发明内容
有鉴于此，本发明的目的在于提出一种脉象信号识别方法和装置，能够对脉象信号进行精准的识别工作。
基于上述目的本发明提供的一种脉象信号识别方法，包括步骤：
对脉象信号进行模糊处理；
确定脉象模糊变量；
根据脉象模糊变量对脉象信号分类。
可选地，所述对脉象信号进行模糊处理包括步骤：
确定模糊集合与隶属函数；
对模糊集合进行模糊推理；
根据模糊推理的结果进行建模。
进一步地，所述模糊集合为设X是对象x集合，x是X的任一元素，X上的模糊集合A定义为一组有序对：
A＝{(x,μ_A(x))x∈X}
其中，μ_A(x)被称为模糊集合A的隶属函数；隶属函数将X中的每个元素映射为0和1之间的隶属度。
进一步地，所述对模糊集合进行模糊推理：是从一组模糊if-then规则和已知事实中得出结论的推理过程；设A、A’和B分别是X,X和Y上的模糊集合，模糊隐含A→B表示为X×Y上的模糊关系R。则由x是A和模糊规则，如果x是A则y是B导出的模糊集合B定义为μ_B'(y)＝max _x min[μ_A'(x),μ_R(x,y)]＝∨_x[μ_A'(x)∧μ_R(x,y)]；
(1)具有多个前件的单一规则：具有两个前件的模糊if-then规则通常写作：如果x是A,y是B,则z是C，相应的问题表示为：
前提1事实：x是A’and y是B’
前提2规则：如果x是A and y是B则z是C
后件结论：z是C’
前提2中的模糊规则可以写成简单的形式A×B→C；这一模糊规则转换为一个基于模糊隐含函数的三元模糊关系R_m：
R_m(A,B,C)＝(A×B)×C＝∫_x×y×zμ_A(x)∧μ_B(y)∧μ_c(z)/(x,y,z)
结果的C’表示为：
C'＝(A'×B')ο(A×B→C)
因此
μ_C'(z)＝∨_x,y[μ_A'(x)∧μ_B'(y)]∧[μ_A(x)∧μ_B(y)∧μ_C(z)]
＝∨_x,y{[μ_A'(x)∧μ_B'(y)∧μ_A(x)∧μ_B(y)]}∧μ_C(z)
＝{∨_x[μ_A'(x)∧μ_A(x)]}∧{∨_y[μ_B'(y)∧μ_B(y)]}
＝(ω₁∧ω₂)∧μ_C(z)
其中，ω₁和ω₂分别是A Ι A'和B Ι B'隶属函数地最大值，通常ω₁表示A和A’之间地匹配度，ω₂类似；
(2)具有多个前件的多条规则
通常将多条规则处理为相应于每条模糊规则的模糊关系的并集，模糊推理规则：
前提1事实：x是A`，论域为[A1,A2,A3]
           y是B`，论域为[B1,B2]
           z的论域为[C1,C2,C3]
前提2规则1：IF x是A1或y是B1  则z是C1
前提3规则2：IF x是A2  则z是C2
前提4规则3：IF x是A3或y是B2  则z是C3。
进一步地，所述对模糊推理后的结果进行去模糊化，去模糊化是指从模糊集合中抽取精确数值的方式，面积中心法Z_OOA去模糊化策略描述如下：
ZOOA=∫ZμA(z)zdz∫μA(z)zdz]]>其中μ_A(z)是集结的输出隶属函数。
进一步地，所述模糊推理的计算捷径：在和－积复合下，采用中心去模糊化的模糊推理系统的输出等于各后件MF中心的加权平均，其中每个权因子等于激励强度与后件MF面积的乘积。分别使用乘积与和作为隐含和集结算子，有
μC′(z)=ω1μc1(z)+ω2μc2(z)]]>
中心去模糊化得到的精确输出为
ZOOA=∫zμC′(z)zdz∫zμC′(z)dz=ω1∫μC1(z)zdz+ω2∫μC2(z)zdzω1∫μC1(z)dz+ω2∫μC2(z)dz=ω1a1z1+ω2a2z2ω1a1+ω2a2]]>
其中ai=∫zμci(z)dz]]>和zi=∫zμci(z)zdz∫zμci(z)dz]]>分别是后件的面积和中心。
进一步地，所述模糊建模分为两个阶段：第一阶段是辨识表面结构，包括：选择相关的输入和输出变量；选择特定形式的模糊推理系统；确定与每个输入和输出变量有关的语言术语的数目；设计一组模糊if-then规则；
第二阶段辨识深度结构，即确定每个语言术语的MF，包括：选择恰当的参数化MF；确定规则库中所用MF的参数；使用回归和优化技术调制MF的参数。
进一步地，所述确定脉象模糊变量包括脉象模糊的输入变量和输出变量:
定义脉象输入变量组进行描述：
输入变量组Feel论域：
[脉位 脉宽 脉力 脉率 流利度 紧张度 节律 均匀度 虚实度 平稳度脉长 浮象 充盈度]
脉象输入变量的隶属范围、判别阀值和隶属函数类型确定：设模糊变量X的一个取值为X1，对应X1的标准样本数据集为A＝{x1,x2,…,xn}，则X1取值中心为E(A)，范围为[min(A),max(A)]；
在确定变量值隶属范围的基础上，确定紧判别阀值：上限阀值：th_h＝max(A)，下限阀值：th_l＝min(A)；
当模糊输入变量的不同取值范围存在交叉时，模糊变量中间取值隶属度函数简单采用中心对称的三角隶属函数，边缘取值采用半开的梯形隶属函数；对于模糊变量取值范围不存在交叉的确定情况，模糊变量中间取值，可简单采用梯形隶属度函数，边缘取值采用半开的梯形隶属函数；
确定脉象模糊的输出变量：脉象输出变量组Pulse论域：
[浮、芤、散、沉、浮、滑、涩、动、弦、紧、牢、革、弱、濡、微、虚、实、大、洪、细、长、短、迟、缓、数、疾、结代、促]
脉象每一输出变量的隶属范围、隶属函数类型和输出脉象类型判决确定：脉象输出变量组Pulse的论域取值中心依次以1－28表示，对于每一模糊变量Xn,取值中心为n，范围为[n-0.5,n+0.5]，如对于浮脉则以1为中心，取值范围为[0.5 1.5]；
当输出变量的不同取值范围存在交叉或需要进行可信度表示时，变量取值隶属度函数简单采用中心对称的三角隶属函数；对于模糊输出变量取值范围不存在交叉且分类确定情况(如按脉率分类)，模糊变量取值可简单采用的梯形隶属度函数；
设脉象输出变量可信度下限阀值为thrl，上限阀值为thrh脉象类型输出可信度集A＝{a₁,a₂,...,a_n}，则输出变量可信度大于阀值的类型集合：R＝{i|a_i≥thrl,i＝1,2,...28}；
S＝{j|a_j≥thrh,j∈R)。
另外，该发明还提供了一种脉象信号识别装置，根据上面所述的脉象信号识别方法得到所述的脉象信号识别装置包括：模糊处理单元，能够对脉象信号进行模糊处理；确定模糊变量单元，与所述模糊处理单元相连，能够确定脉象模糊变量；分类单元，与所述确定模糊变量单元相连，用于根据脉象模糊的输入、输出变量对脉象信号分类。
从上面所述可以看出，本发明提供的一种脉象信号识别方法和装置，通过对脉象信号进行模糊处理；确定脉象模糊变量；根据脉象模糊的输入、输出变量对脉象信号分类。从而，本发明所述的脉象信号识别方法和装置能够实现快速、准确地脉象信号的识别，同时具有简易灵巧、透明度高的特点。
附图说明
图1为本发明实施例脉象信号识别方法的流程示意图；
图2为本发明实施例对脉象信号进行模糊处理的流程示意图；
图3为本发明实施例脉象信号识别装置的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。
参阅图1所示，为本发明实施例脉象信号识别方法的流程示意图，所述的脉象信号识别方法包括步骤：
步骤101，对脉象信号进行模糊处理。
在本发明的一个实施例中，对脉象信号进行模糊处理具体实施过程包括(如图2所示)：
步骤201：需要确定模糊集合与隶属函数，其具体包括：设X是对象x集合，x是X的任一元素。X上的模糊集合A定义为一组有序对：
A＝{(x,μ_A(x))x∈X}
其中，μ_A(x)被称为模糊集合A的隶属函数(Membership Function,简称为MF)。MF将X中的每个元素映射为0和1之间的隶属度(或隶属值)。
(1)高斯MF
高斯MF由两个参数{c,σ}来表示：
gaussian{x;c,σ}=e-12(x-cσ)2]]>
高斯MF完全由c和σ确定，c表示MF的中心，σ决定MF的宽度。
(2)广义的钟形MF
钟形MF由三个参数{a,b,c}来描述:
bell(x;a,b,c)=11+|x-ca|2b]]>
其中参数b通常是正的，如果b是负的，则此MF形状将是一个颠倒的钟形。
(3)三角形MF
三角形MF由三个参数{a,b,c}来描述：
triangle(x,a,b,c)=0,x≤ax-ab-a,a≤x≤bc-xc-b,b≤x≤c0,c≤x]]>
使用最小最大算子有另一种表示前面方程的方式：
triangle(x,a,b,c)=max(min(x-ab-a,c-xc-b),0)]]>
参数{a,b,c}(a<b<c)决定了三角形MF三个角的x坐标。
(4)梯形MF
梯形MF由四个参数{a,b,c,d}来描述：
trapezoid(x;a,b,c,d)=0,x≤ax-ab-a,a≤x≤b1,b≤x≤cd-xd-c,c≤x≤d0,d≤x]]>
使用最小最大算子有另一种更简洁的表述形式：
trapezoid(x;a,b,c,d)=max(min(x-ab-a,1,d-xd-c,0))]]>
参数{a,b,c,d}(a<b≤c<d)决定了梯形MF的四个角的x坐标值。
较佳地，模糊集合的交和并其算法为：两个模糊集合A与B的交通常用函数T:[0,1]×[0,1]→[0,1]来描述，它把两个隶属度结合在一起：
μAI B(x)=T(μA(x),μB(x))=μA(x)*~μB(x)]]>
其中，是表达函数T的二元算子。这类模糊交算子，通常被称为T范式(或三角范式)算子，满足 以下基本条件。常用的T范式算子为：极小：T_min(a,b)＝min(a,b)＝a∧b；有界积：T_zp(a,b)＝ab。
常用的T协范式算子为：极大：S(a,b)＝max(a,b)＝a∨b；代数和：S(a,b)＝a+b-ab。
较佳地，模糊集合的二元模糊关系：设X和Y是两个论域，则R＝{((x,y),μ_R(x,y))|(x,y)∈X×Y}是X×Y上的二元模糊关系。
较佳地，模糊集合定义极大－极小复合：设R₁和R₂分别是定义在X×Y及Y×Z上的两个模糊关系，R₁和R₂的极大－极小复合是一个模糊集合。
R1&CenterDot;R2={[(x,z),maxymin(μR1(x,y),μR2(y,z))]|x&Element;X,y&Element;Y,z&Element;Z}]]>
或等价地

其中，∨和∧分别表示极大和极小。
步骤202：对模糊集合进行模糊推理。
其中，模糊推理规则(也称为模糊if-then规则，模糊隐含或模糊条件句)形式为：如果(if)x是A，然后(then)y是B。其中A和B分别是论域X和Y上的模糊集合定义的语言值。通常，称x是A为前件或前提，y是B为后件或结论。
其中，语言变量术语：一个语言变量被表征为一个4五元组(x,T(x),X,G,M)。其中，x是变量地名称；T(x)是x的术语集合，即x的语言值名或语言术语集合；X是论域；G是产生T(x)中术语的句法规则；M是赋予每个语言值A以含义M(A)的语法规则，M(A)表示X中的模糊集合。T(年纪)中的每个术语都可表征为论域X＝[0,100]上的模糊集合，通常我们用“年纪是轻的”来表示给语言变量“年纪”赋以语言值为“年轻”。相反，当将年纪作为一个数值变量时，使用表达式“年纪＝20”来赋以数值变量“年纪”以数值“20”。句法规则是指产生术语集合T(年纪)中各语言值的方式，语法规则为术语集中每个语言值定义的隶属函数。
在实施例中，对模糊集合进行模糊推理：是从一组模糊if-then规则和已知事实中得出结论的推理过程。设A、A’和B分别是X,X和Y上的模糊集合，模糊隐含A→B表示为X×Y上的模糊关系R。则由x是A和模糊规则，如果x是A则y是B导出的模糊集合B定义为μ_B'(y)＝max _x min[μ_A'(x),μ_R(x,y)]＝∨_x[μ_A'(x)∧μ_R(x,y)]。
优选地，模糊推理规则包括：(1)具有多个前件的单一规则：具有两个前件的模糊if-then规则通 常写作“如果x是A,y是B,则z是C”，相应的问题表示为：
前提1(事实)：x是A’and y是B’
前提2(规则)：如果x是A and y是B则z是C
后件(结论)：z是C’
前提2中的模糊规则可以写成简单的形式“A×B→C"。这一模糊规则可以转换为一个基于模糊隐含函数的三元模糊关系R_m：
R_m(A,B,C)＝(A×B)×C＝∫_x×y×zμ_A(x)∧μ_B(y)∧μ_c(z)/(x,y,z)
结果的C’表示为：
C'＝(A'×B')ο(A×B→C)
因此
μ_C'(z)＝∨_x,y[μ_A'(x)∧μ_B'(y)]∧[μ_A(x)∧μ_B(y)∧μ_C(z)]
＝∨_x,y{[μ_A'(x)∧μ_B'(y)∧μ_A(x)∧μ_B(y)]}∧μ_C(z)
＝{∨_x[μ_A'(x)∧μ_A(x)]}∧{∨_y[μ_B'(y)∧μ_B(y)]}
＝(ω₁∧ω₂)∧μ_C(z)
其中，ω₁和ω₂分别是A Ι A'和B Ι B'隶属函数地最大值，通常ω₁表示A和A’之间地匹配度，ω₂类似。由于模糊规则的前件部分由连续词“与”连接而成，因此称ω₁∧ω₂为模糊规则的激励强度或满足度，它表示规则的前件部分被满足的程度。
(2)具有多个前件的多条规则
通常将多条规则处理为相应于每条模糊规则的模糊关系的并集。如对于下面模糊推理规则：
前提1(事实)：x是A`，论域为[A1,A2,A3]
              y是B`，论域为[B1,B2]
              z的论域为[C1,C2,C3]
前提2(规则1)：IF x是A1或y是B1  则z是C1
前提3(规则2)：IF x是A2  则z是C2
前提4(规则3)：IF x是A3或y是B2  则z是C3
对于[x＝8,y＝2.5]可以按照图5－2所示的模糊推理过程来求得输出结果z＝17。
优选地，对模糊推理后的结果进行去模糊化。去模糊化是指从模糊集合中抽取精确数值的方式。对论域Z上模糊集合A进行去模糊化的方法，面积中心法Z_OOA去模糊化策略描述如下：
ZOOA=&Integral;ZμA(z)zdz&Integral;μA(z)zdz]]>其中μ_A(z)是集结的输出MF。
优选地，模糊推理的计算捷径：在和－积复合下，采用中心去模糊化的模糊推理系统的输出等于各后件MF中心的加权平均，其中每个权因子等于激励强度与后件MF面积的乘积。分别使用乘积与和作为隐含和集结算子，有
μC′(z)=ω1μc1(z)+ω2μc2(z)]]>
中心去模糊化得到的精确输出为
ZOOA=&Integral;zμC′(z)zdz&Integral;zμC′(z)dz=ω1&Integral;μC1(z)zdz+ω2&Integral;μC2(z)zdzω1&Integral;μC1(z)dz+ω2&Integral;μC2(z)dz=ω1a1z1+ω2a2z2ω1a1+ω2a2]]>
其中ai=&Integral;zμci(z)dz]]>和zi=&Integral;zμci(z)zdz&Integral;zμci(z)dz]]>分别是后件的面积和中心。
如果我们事先计算每个后件MF的面积和中心，则使用这条定理计算模糊推理系统将十分有效。
步骤203：根据模糊推理的结果进行建模。模糊建模可以分为不完全分离的两个阶段进行。第一阶段是辨识表面结构，包含：选择相关的输入和输出变量；选择特定形式的模糊推理系统；确定与每个输入和输出变量有关的语言术语的数目；设计一组模糊if-then规则。
为了完成任务，需要依赖于对目标系统行为进行描述的规则库。这些语言术语的意义在第二阶段确定，它的任务是辨识深度结构，即确定每个语言术语的MF。具体地深度结构辨识包含：选择恰当的参数化MF；确定规则库中所用MF的参数；使用回归和优化技术调制MF的参数。
步骤102，确定脉象模糊变量。
作为本发明的一个实施例，首先确定脉象模糊的输入变量:对于脉诊过程中深浅、粗细、强弱、虚实、频率、节律、弦柔、滑涩、长短、均匀、平稳、浮象、充盈度等13种指面感觉，可以定义脉象输入变量组进行描述：
输入变量组Feel论域：
[脉位 脉宽 脉力 脉率 流利度 紧张度 节律 均匀度 虚实度 平稳度脉长 浮象 充盈度]
不同的脉象指面感觉因素描述分类如下：
1单脉图(单周期统计)：脉力 流利度 紧张度 浮象
2测量值(测量点统计)：脉宽 脉长
3多周期(多周期统计)：脉率 节律 均匀度 平稳度
4多脉图(多脉位统计)：脉位 虚实度 充盈度
对每一脉象输入变量可以如下进行具体客观描述：
(1)脉位：脉动部分的深浅
定义脉位变量Pos，脉位变量量值可由一个脉象周期中的不同脉位脉图的主波高度h1同中取脉位主波高度h1_m归一相对差值进行描述，其归一化绝对值为abs(h1-h1_m)/h1_m，脉由浮至伏时此描述由负值到正值变化。通过比较被测对象的相同取脉部位一个周期的脉位浮、中、沉、伏h1量值关系，可以确定脉位深浅特征。令脉位浮、中、沉、伏h1量值分别为h1_l、h1_m、h1_d、h1_f，定义大于零的浮、中、沉、伏脉位阀值th_l、th_ml/th_md、th_d、th_f、，则模糊变量值如下定义：
浮：h1_l－h1_m>th_l AND h1_l－h1_d>th_l
中：h1_m－h1_l>th_ml AND h1_d－h1_m>th_md
沉：h1_d－h1_m>th_d AND h1_d－h1_l>th_d
伏：h1_f－h1_m>th_f AND h1_f－h1_l>th_f
脉位变量Pos论域：[浮 中 沉 深]
h1_l－h1_m越大则脉位越浮，h1_d－h1_m越大则脉位越沉。
(2)脉宽：脉道应指的粗细
定义脉宽变量Wide，脉宽变量通过脉道测量宽度为w描述。通过比较被测对象的脉宽和统计平均正常脉道宽度的量值关系，可以确定脉宽粗细特征。如果测量时在测量部位脉道宽度w范围内都可以测量到较明显脉力h1，则脉道测量宽度为w，定义大于零的窄、中、宽脉宽阀值为th_s、th_ml/th_mh、th_b，则模糊变量值如下定义：
窄：w<th_s
中：th_ml≤w≤th_mh
宽：w>th_b
脉宽变量Wide论域：[窄 中 宽]
w越小则脉宽越窄，w越大则脉宽越宽。
(3)脉力：脉动搏指的有力无力
定义脉力变量Streth，脉力变量可由一个脉象周期中的一定脉力下的脉图主波高度h1进行描述，通过比较h1所属脉力范围可以确定脉力有力无力特征。令测量脉象主波高度为h1，定义大于零的小、中、大脉力阀值为th_s、th_ml/th_mh、th_b，则模糊变量值如下定义：
小：h1<th_s
中：h_ml≤h1≤h_mh
大：h1>th_b
脉力变量Streth论域：[小 中 大]
h1越小则脉力越小，h1越大则脉力越大。
(4)脉率：脉动频率的快慢
定义脉率变量Freq，脉率变量可由多个脉象周期大小Ti的倒数均值fp≈60*E(1/T_i)近似描述，通过比较fp所属脉率脉力范围可以确定脉率快慢特征。脉率模糊变量值如下定义：
迟：40≤fp<59
缓：60≤fp<69
中：70≤fp<89
数：90≤fp<120
疾：120≤fp<160
脉率变量Freq论域：[迟 缓 中 数 疾]
脉率变量取值有确定的范围。
(5)流利度：提示脉动来势的滑顺或艰涩
定义流利度变量Easy，流利度变量根据脉象不同可由一个脉象周期中的一定脉力下的脉象信号各脉波分别进行描述：
1)脉象主波上的不平涩性可以用主波上所有隆起的相对高度和描述
2)脉象主波峰顺应性可以用距主波峰顶1/3宽度的相对高度导数描述
3)脉象重搏前波顺应性可以用重搏前波相对高度描述；
4)脉象重搏波顺应性可以用重搏波相对高度描述
则涩性可以统一由描述，顺应性可以统一由描述，总的流利度可以统一由E＝H-S进行描述，E值越大表示顺滑性越好，E值越小表示不平涩性越大。
通过比较E的所属范围可以确定脉动来势的流利或艰涩特征。令测量脉象计算流利度为e，定义涩、中、滑脉流利度阀值为th_s、th_ml/th_mh、th_h，则模糊变量值如下定义：
涩：e<th_s
中：th_ml≤e≤th_mh
滑：e>th_h
流利度变量Easy论域：[涩 中 滑]
e越小则流利度越小，e越大则流利度越大。
(6)紧张度：脉管壁的劲弛或软硬
定义紧张度变量Tent，紧张度变量可由一个脉象周期中的一定脉力下的脉图重搏前波峰顶相对模极大描述进行描述，T₂值越大表示紧张度越小，通过比较T₂所属范围可以确定脉管壁的劲弛或软硬特征。令测量脉象计算紧张度为m₂，定义大于零的松、弦、弧、紧脉象紧张度阀值为th_s、th_xl/th_xh、th_j，则模糊变量值如下定义：
松：m₂>th_s
弦：th_xl≤m₂≤th_xh
紧：m₂<th_j
紧张度变量Tent论域：[松 弦 弧 紧]
m₂越小则紧张度越小，m₂越大则紧张度越大。
(7)节律：表示脉搏频率的参差性
定义节律变量Rthm，对于脉搏节律变量可由多个脉象周期大小Ti倒数的偏差值近似描述，通过比较dfp所属脉搏节律范围可以确定脉搏节律特征。令测量脉象计算节律为dfp，定义大于零的规律、不规律节律阀值为th_r、th_i，则模糊变量值如下定义：
规律：dfp≤th_r
不规律：dfp>th_i
对不规律的情况，如果以n个脉象周期为单位(中断间脉象个数)计算
dfpn&ap;60D(1/Ti(n))/fp,]]>对dfp_n应用上面阀值判断，
如果规律则为结性，不规则为代性；
节律变量Rthm论域：[规律 不规律]
dfp越小则节律越规律，dfp越大则节律越不规律
(8)均匀度：表示脉力的参差性
定义脉力均匀度变量Mean，对于脉力均匀度变量可由多个脉象主波大小h1_i的偏差值近似描述，比较dh1所属脉力均匀度范围可以确定脉力的参差性特征。令测量脉象计算脉力均匀度为dh1，定义大于零的均匀、不均匀脉力均匀度阀值为th_r、th_i、，则模糊变量值如下定义：
均匀：dh1≤th_r
不均匀：dh1>th_i
脉力均匀度变量Mean论域：[均匀 不均匀]
dh1越小则脉力越均匀，dh1越大则脉力越不均匀
(9)虚实度：反映脉搏耐受切脉压力的强度^[104]：
定义脉力虚实度变量Volum，脉力变量可由一个脉象周期中沉取脉象的脉图主波高度h1进行描述，通过比较h1所属脉力范围可以确定脉力虚实特征。令测量脉象主波高度为h1，定义大于零的虚、实脉力虚实度阀值为th_x、th_s、，则模糊变量值如下定义：
虚：h1≤th_x
实：h1>th_s
脉力虚实度变量Volum论域：[虚 实]
h1越小则脉象越虚，h1越大则脉象越实。
(10)平稳度：表示脉搏基线的平稳性
定义脉搏平稳度变量Base，对于脉搏平稳度变量可由多个完整周期脉象的基线斜率大小sp_i的偏差值近似描述，通过比较dsp所属脉搏平稳度范围可以确定脉搏基线的平稳性特征。令测量脉象计算脉搏平稳度为dsp，定义大于零的平稳、不平稳脉搏平稳度阀值为th_r、th_d、，则模糊变量值如下定义：
平稳：dsp≤th_r
不平稳：dsp>th_d
脉搏平稳度变量Base论域：[平稳 不平稳]
dsp越小则脉搏越平稳，dsp越大则脉搏越不平稳。
(11)脉长：脉搏应指的轴向范围长度
定义脉长变量Lenp，脉长可由脉道长度测量为l描述。通过比较被测对象应指脉长和统计平均正常脉长量值关系，可以确定脉道长短特征。如果测量时在测量部位脉道长度l范围内都可以测量到较明显脉力h1，则脉道长度测量为l，定义大于零的窄、中、宽脉宽阀值为th_s、th_ml/th_mh、th_l，则模糊变量值如下定义：
短：l<th_s
中：th_ml≤l≤th_mh
长：l>th_l
脉长变量Lenp论域：[短 中 长]
l越小则脉道越短，l越大则道越长。
(12)浮象：脉象主波峰尖相
定义浮象变量Float，浮象变量可由一个脉象周期中的一定脉力下的脉图主波峰顶相对模极大进行描述，F₁值越大表示尖浮象越大，通过比较F₁所属范围可以确定脉象主波峰尖浮象特征。令测量脉象计算浮象为m₁，定义大于零的圆、尖浮象阀值为th_y、th_j，则模糊变量值如下定义：
圆：m₁≤th_y
尖：m₁>th_j
浮象变量Float论域：[圆 尖]
m₁越小则脉象主波峰越圆，m₁越大则脉象主波峰越尖，即浮相越大。
(13)充盈度：脉道的是否充溢
定义脉象充盈度变量Body，脉宽变量可由一个脉象周期的脉道边缘主波高度h1和脉道中心主波高度的相对插值进行描述，即(h1-h1_m)/h1_m进行描述。通过比较被测对象的相同取脉部位一个周期的脉道中间和两边的h1量值关系，可以确定脉相充盈度特征。令脉象主波左边、中间和右边的h1量值分别为h1_l、h1_m、h1_r、定义大于零的空、满充盈度阀值为th_k、th_f，则模糊变量值如下定义：
空：h1₁－h1_m>th_k AND h1_r－h1_m>th_k
满：h1_m－h1₁>th_f AND h1_m－h1_r>th_f
充盈度变量Body论域：[满 空]
h1₁－h1_m和h1_r－h1_m越大则脉道越中空，反之则脉道越充盈。
较佳地，脉象输入变量的隶属范围、判别阀值和隶属函数类型如下确定：
1隶属范围和判别阀值
设模糊变量X的一个取值为X1，对应X1的标准样本数据集为A＝{x1,x2,…,xn}，则X1取值中心为E(A)，范围为[min(A),max(A)]；
在确定变量值隶属范围的基础上，可以进一步确定紧判别阀值：
(1)上限阀值：th_h＝max(A)
(2)下限阀值：th_l＝min(A)
2隶属函数类型
当模糊输入变量的不同取值范围存在交叉时，模糊变量中间取值隶属度函数简单采用中心对称的三角隶属函数，边缘取值采用半开的梯形隶属函数；对于模糊变量取值范围不存在交叉的确定情况(如脉率变量)，模糊变量中间取值，可简单采用梯形隶属度函数，边缘取值采用半开的梯形隶属函数。
其次，确定脉象模糊的输出变量：为描述脉象识别分类的可信程度，定义脉象输出变量组如下：
脉象输出变量组Pulse论域：
[浮、芤、散、沉、浮、滑、涩、动、弦、紧、牢、革、弱、濡、微、虚、实、大、洪、细、长、短、迟、缓、数、疾、结代、促]
脉象每一输出变量的隶属范围、隶属函数类型和输出脉象类型判决如下确定：
1变量隶属范围
脉象输出变量组Pulse的论域取值中心依次以1－28表示，对于每一模糊变量Xn,取值中心为n，范围为[n-0.5,n+0.5]，如对于浮脉则以1为中心，取值范围为[0.5 1.5]
2隶属函数类型
当输出变量的不同取值范围存在交叉或需要进行可信度表示时，变量取值隶属度函数简单采用中心对称的三角隶属函数；对于模糊输出变量取值范围不存在交叉且分类确定情况(如按脉率分类)，模糊变量取值可简单采用的梯形隶属度函数。
3脉象类型判决
设脉象输出变量可信度下限阀值为thrl，上限阀值为thrh脉象类型输出可信度集A＝{a₁,a₂,...,a_n}，则输出变量可信度大于阀值的类型集合
R＝{i|a_i≥thrl,i＝1,2,...28}
S＝{j|a_j≥thrh,j∈R)
因此可以根据R、S集合进行脉象类别判别：
(1)R集合中的脉象类型满足脉象输入变量的特征，R集合中的脉象类型即是以可信度方式表示的脉象兼脉类型广阀值判别结果。
(2)S集合中的脉象类型是进一步满足脉象兼脉类型的紧阀值判别结果。
(3)如果判别中包括属于同一分类因素的多个脉象类型或需要对一脉象类型进一步细分子类，则可以结合脉象时域和多尺度特征进行附加规则定义判别。
步骤103，根据脉象模糊的输入、输出变量对脉象信号分类。
依脉位分类包括浮脉、芤脉、散脉、沉脉、伏脉。
1浮脉，指脉搏显现部位浅表，切诊时以手指轻轻接触寸口脉管即可得高频收缩，类细弦有如触摸细毛的感觉。
分类规则：
IF 浮象 IS 尖
THEN 脉象 IS 浮脉(尖)
OR
IF 脉位 IS 浮
THEN 脉象 IS 浮脉(表)
2芤脉，脉象为浮大而软，两边实但按之中空，多见于急性失血之后仍有心跳过速时，中取时脉力稍弱，沉取时按之中空，脉管相对宽大而空虚。
分类规则：
IF 脉位 IS 浮 AND 脉力 IS 小 AND 充盈度 IS 空
THEN 脉象 IS 芤脉
3散脉，散脉为浮大无根，应指散漫。
分类规则：
IF 脉位 IS 浮 AND 均匀度 IS 不均
THEN 脉象 IS 散脉
4沉脉，“举之不足，按之有余”，脉搏显现部位深沉，切脉轻取，中取时脉不明显，重取时脉象有力，不包括脉力和脉形等内容。
分类规则：
IF 脉位 IS 沉
THEN 脉象 IS 沉脉
IF 虚实度 IS 实 THEN 脉象 IS 实沉脉
EL 虚实度 IS 虚 THEN 脉象 IS 虚沉脉
5伏脉，与沉脉相类，更深于沉脉，有浮匿之象，切诊时指按极重，著骨乃得。
分类规则：
IF 脉位 IS 伏
THEN 脉象 IS 伏脉
IF 虚实度 IS 实 THEN 脉象 IS 实伏脉
EL 虚实度 IS 虚 THEN 脉象 IS 虚伏脉
依流利度分类包括滑脉、涩脉、动脉。
6滑脉，中医大多以脉搏来去流利通滑，切诊脉来时可感到有应指圆滑，速来即去的征象，在脉搏起动的瞬间，有数搏之感。
分类规则：
IF 流利度 IS 滑
THEN 脉象 IS 滑脉
7涩脉，指下感觉不流利，切脉时主要由指目前端细辨脉体有往来不利，迟滞不前的感觉，脉涩而坚者为太过，涩而小弱为不及。
分类规则：
IF 流利度 IS 涩
THEN 脉象 IS 涩脉
IF 涩性 IS 峰顶涩 THEN 脉象 IS 峰顶涩脉
EL 涩性 IS 升沿涩 THEN 脉象 IS 升沿涩脉
8动脉，主要特征为频数而应指短小且脉波波幅稍为不均的脉象，如豆子在釜中炒熟蹦跳跳跃状。
分类规则：
IF 脉长 IS 短 AND 脉力 IS 小 AND 频率 IS 数 AND 均匀度 IS 不均
THEN 脉象 IS 动脉
依紧张度分类包括弦脉、紧脉、牢脉、革脉。
9弦脉，血管受到外界刺激后产生收缩，切诊时可感觉脉管收缩，左右弹。切脉时，一种为轻按应手，重按不移，此为动脉硬化无病之弦脉。另一种有如触摸搏动的琴弦，产生高速高频的收缩，指下挺然，如按琴弦，有绷急的特点。
分类规则：
IF 紧张度 IS[弧 弦]
THEN 脉象 IS 弦脉
10紧脉，脉来有如牵绳转索，为脉管收缩紧绷，切脉时感觉血管向内收缩。
分类规则：
IF 紧张度 IS 紧
THEN 脉象 IS 紧脉
11牢脉，沉实有力，形大弦长，切脉时浮取较缓，重按有力。
分类规则：
IF 紧张度 IS[弦 紧]AND 脉位 IS[沉 深]
THEN 脉象 IS 牢脉
12革脉，浮取弦大而按之无力中空
分类规则：
IF 紧张度 IS[弦 紧]AND 充盈度 IS 空 AND 脉位 IS 浮
THEN 脉象 IS 革脉
依脉力分类包括弱脉、濡脉、微脉、虚脉、实脉。
13弱脉，浮取、轻取不明显，沉取细软但仍无波动之力。
分类规则：
IF 脉力 IS 小 AND 脉位 IS 沉
THEN 脉象 IS弱脉
14濡脉，浮取细软无力，沉取更小弱的脉象，异称软脉。
分类规则：
IF 脉力 IS 小 AND 脉位 IS 浮
THEN 脉象 IS 濡脉
15微脉，微脉是细弱不明显之脉，欲绝非绝，似有若无的脉象。切脉时，指下感觉脉体细而应指软弱，似有若无。
分类规则：
IF 脉力 IS 小 AND 均匀度 IS 不均
THEN 脉象 IS 微脉
16虚脉，脉象为浮中沉皆大软无力，切脉时轻中沉取，应指脉皆明显但大而无力，表现脉管的紧张度低，脉管内的血液充盈度不足。
分类规则：
IF 脉力 IS 大 AND 紧张度 IS 松 AND 虚实度 IS 虚 AND 脉位 IS 中
THEN 脉象 IS 虚脉
17实脉，脉象宽大，博指有力，浮中沉三候皆然。切脉时，浮取，中取，沉取皆有力，脉体宽大，其势来盛去也盛，为脉管内的血流充实，血管壁张力较大。
分类规则：
IF 脉力 IS 大 AND 充盈度 IS 满 AND 脉道 IS 宽
AND 虚实度 IS 实 AND 脉位 IS 中
THEN 脉象 IS 实脉
依脉宽于脉长分类包括大脉、洪脉、细脉、长脉、短脉。
18大脉，切脉时指目可感觉脉较宽大，切脉时手指指目以较小的角度斜放在桡动脉上，便可体会到脉搏动应指范围大，三部应指皆有力为实证，脉大但无力，为虚症大脉。
分类规则：
IF 脉宽 IS 宽 AND 脉力 IS 大 AND 脉位 IS 中
THEN 脉象 IS 大脉
IF 虚实度 IS 实 THEN 脉象 IS 实大脉
EL 虚实度 IS 虚 THEN 脉象 IS 虚大脉
19洪脉，脉来如洪水般波涛汹涌状，行大且外鼓，切脉时脉体宽大有力明，切脉时轻按即感觉脉体有力，中沉取仍宽大有力，沉取脉力稍减，有来盛去衰之势。
分类规则：
IF 脉宽 IS 宽 AND 脉力 IS 大 AND 脉位 IS 浮
THEN 脉象 IS 洪脉
20细脉，其脉主波波幅低且宽度小为细脉，指下感觉脉体如线，小于寻常，又称小脉。切脉时，应指往来细小如线，而形体显然。
分类规则：
IF 脉宽 IS 窄 AND 脉力 IS 小 均匀度 IS 均匀
THEN 脉象 IS 细脉
21长脉，脉动振幅过于本位也，指下感觉脉动应指的范围超过寸关尺本位。切脉时脉来宽大长直。
分类规则：
IF 脉长 IS 长
THEN 脉象 IS 长脉
22短脉，脉动振幅短窄也，指下感觉脉的搏动范围短，在寸关尺部，脉跳不能满部。
分类规则：
IF 脉长 IS 短
THEN 脉象 IS 短脉
依脉率与脉率失常分类包括迟脉、缓脉、数脉、疾脉、结代脉、促脉。
23迟脉，脉搏频率每分钟41～59次/分之间，一息(一呼一息)三至，来势缓慢。
分类规则：
IF 脉率 IS 迟
THEN 脉象 IS 迟脉
24缓脉，一息四至，每分钟60～70次，切脉时指下感觉力道始适中不驰不急，来去和缓，脉位适中。
分类规则：
IF 脉率 IS 缓
THEN 脉象 IS 缓脉
25数脉，脉的频率较正常为快的状态，一息六至七至，去来急促。切脉时，一息脉动六七至，约每分钟90～120次/分之间，切脉为数脉时，以脉的速率为主。
分类规则：
IF 脉率 IS 数
THEN 脉象 IS 数脉
26疾脉，脉一息七～八至，为数脉至极，疾脉的至数，一般为七至～九至。脉率快于数脉，在120～160次/分(一息7～9至之间)。
分类规则：
IF 脉率 IS 疾
THEN 脉象 IS 疾脉
依节律分类包括结代脉和促脉。
27结代脉，脉来缓慢而有不规则或有规则的中断，切脉时指下脉来不数或迟或缓，时有歇止。
分类规则：
IF 脉率 IS[迟 缓 中]AND 节律 IS 结性不规则
THEN 脉象 IS 结脉
OR
IF 脉率 IS[迟 缓 中]AND 节律 IS 代性不规则
THEN 脉象 IS 代脉
28促脉，促脉数疾而兼有歇止，脉率在90～160次/分。
分类规则：
IF 脉率 IS[数 疾]AND 节律 IS 不规则
THEN 脉象 IS 促脉
另外，由脉象样本数据，可以确定脉象输入变量的模糊取值范围：
1脉位变量Pos论域：[浮 中 沉 深]
取值范围：[{-2.0,-0.1},{0.0,0.2},{0.1,2.0},{1.5,2.5}]
2脉宽变量Wide论域：[窄 中 宽]
取值范围：[{2.0,2.6},{2.5,2.9},{2.8,3.4}]
3脉力变量Streth论域：[小 中 大]
取值范围：[{0.5,2.0},{1.5,3.5},{3.0,5.0}]
4脉率变量Freq论域：[迟 缓 中 数 疾]
取值范围：[{40,59},{60,69},{70,89},{90,120},{120,160}]
5流利度变量Easy论域：[涩 中 滑]
取值范围：[{0,0.25},{0.2,0.35},{0.3,0.5}]
6紧张度变量Tent论域：[松 弦 弧 紧]
取值范围：[{-15,-7}{-8,-4},{-5,-2},{-3,-0.5}]
7节律变量Rthm论域：[规律 不规律]
取值范围：[{0,5.0},{3.0,100}]
8脉力均匀度变量Mean论域：[均匀 不均匀]
取值范围：[{0,0.25},{0.20,3.0}]
9脉力虚实度变量Volum论域：[虚 实]
取值范围：[{0.5,2.5},{1.5,4.0}]
10脉搏平稳度变量Base论域：[平稳 不平稳]
取值范围：[{0,0.15},{0.10,0.90}]
11脉长变量Lenp论域：[短 中 长]
取值范围：[{2.0,2.9},{2.6,3.2},{2.9,4.8}]
12浮象变量Float论域：[圆 尖]
取值范围：[{-10,-2.5},{-3,-0.5}]
13充盈度变量Body论域：[空 满]
取值范围：[{－3.0,0},{0,3.0}]
参阅图3所示，为本发明实施例脉象信号识别装置的结构示意图，所述脉象信号识别装置包括模糊处理单元301，能够对脉象信号进行模糊处理(具体工作过程如脉象信号识别方法的步骤101)。确定模糊变量单元302，与模糊处理单元301相连，能够确定脉象模糊变量(具体工作过程如脉象信号识别方法的步骤102)。分类单元303，与确定模糊变量单元302相连，根据脉象模糊的输入、输出变量对脉象信号分类(具体工作过程如脉象信号识别方法的步骤103)。
在本发明的具体实施例中，通过输入一组脉象特征值，采用脉象分类规则进行模糊推理，可以得到脉象分类识别的结果。取脉形分类数目n＝28，定义脉象可信度下限阈值thrl＝0.1，可信度上限阈值thrh＝0.7，则对前面介绍的几种典型脉象进行分类识别如下：
输入：[0.11 2.7 1.9 70 0.41 -4.8 0.32 0.14 2.7 0.11 2.71 -6.46 0.1]
输出：[{1,0.00},{2,0.00},{3,0.00},{4,0.00},{5,0.00},{6,0.21},{7,0.00},{8,0.00},{9,0.92},{10,0.00},{11,0.00},{12,0.00},{13,0.00},{14,0.00},{15,0.00},{16,0.00},{17,0.00},{18,0.00},{19,0.00},{20,0.00},{21,0.00},{22,0.00},{23,0.00},{24,0.00},{25,0.00},{26,0.00},{27,0.00},{28,0.00}]
由上可见，大于阈值的脉象分类输出为：大于下限：[{9,0.92},{6,0.21}]
                                  大于上限：[{9,0.92}]
表明脉象为弦脉(高频收缩)的可信度为0.92，为三峰滑脉的可信度为0.21，因此，判别为有一定滑性，主要特征为高频收缩型弦脉。
输入：[-0.1 2.63 2.4 66 0.21 -2.1 1.3 0.11 2.6 0.05 2.763 -2.1 0.2]
输出：[{1,0.00},{2,0.00},{3,0.00},{4,0.00},{5,0.00},{6,0.00},{7,0.88},{8,0.00},{9,0.34},{10,0.00},{11,0.00},{12,0.00},{13,0.00},{14,0.00},{15,0.00},{16,0.00},{17,0.00},{18,0.00},{19,0.00},{20,0.00},{21,0.00},{22,0.00},{23,0.00},{24,1.00},{25,0.00},{26,0.00},{27,0.00},{28,0.00}]
由上可见，大于阀值的脉象分类输出为：大于下限：[{7,0.88},{24,1.00},{9,0.34}]
                                  大于上限：[{7,0.88},{24,1.00}}]
表明脉象为涩脉(根据涩迹位置可进一步确定为顶部隆起涩型)的可信度为0.88，为缓脉的可信度为1，为弦脉的可信度为0.34，因此该脉象有线性特征，依据主要脉象特征可判别为顶部隆起型缓涩脉。
根据上面所描述的，本发明实现一种脉象信号识别方法和装置，创造性地提出了采用模糊理论方法对脉象信号进行分类识别，能够对脉象信号客观化、定量化的识别；本发明将脉象信号的指感描述和判定规则进行客观描述和定量化，确定脉象指感因素的模糊输入变量；并且根据脉象信号的提取特征和脉象分类确定输出模糊变量；根据脉象定义确定模糊推理规则，从而完成可信度表示的脉象分类；而且，所述脉象信号识别方法和装置可以完成对弦、滑、涩等28种基本脉象信号进行分类识别；采用模糊推理规则的脉象分类识别，脉象分类平均正确识别率为：92.85％；与此同时，客体信息模型表达合理，信息利用充分；本发明算法简易灵巧，分类过程易于理解，透明度高，具有识别的鲁棒性；另外，对脉象特征数据进行处理和对不同脉象进行分类识别，非常符合人们对脉象的理解和思维方式；最后，整个所述的脉象信号识别方法和装置简便、紧凑，易于实现。
所属领域的普通技术人员应当理解：以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。