人体生物电在某些方面的特性与中医理论的部分内容和解释有相似之处,因此利用现代科技手段研究中医的课题被引入了学者们的视野。在这一领域主要的研究方向为人体电阻抗特性的研究和人体电位特性的研究。本文提出了属于后一种方向的,利用经穴电位信号处理与机器学习理论实现中风病人与健康人体生理状态区别和分类的方法。全文的主要内容如下：1)采集人体的电位信号。根据中医理论,“十二原穴”特性的变化能反映人体内部脏腑状态的变化,因此本文利用Medlab生物信息采集系统采集了十二原穴之中的6个原穴的电位信号进行处理和研究。这6个原穴位于人体的手部,穴位的位置根据中华人民共和国国家标准GB 12346-90确定。2)对采集到的信号进行小波分解、去噪和重构。小波分析可以提供多种尺度下的时-频分析,适合对主要分布在低频范围内的人体电位信号进行分析。经小波分解得到的小波系数,去除由噪声控制的那部分后,一方面直接用来构造第Ⅰ类特征向量,另一方面用来重构降噪后的信号,并进而利用基于Burg算法的AR模型功率谱估计构造第Ⅱ类特征向量。3)对两类特征向量,使用机器学习的方法进行分类。利用交叉检验方法将所有特征向量分成训练集和测试集,使用了BP神经网络、小波神经网络和不同核函数的支持向量机进行分类的训练和测试,最后对测试的结果进行了比较和分析。结果显示支持向量机对于第Ⅱ类特征向量的分类正确率非常高,说明了利用本方法对中风病人与健康人体生理状态进行区别和分类的合理性和可行性。4)回顾了各章节的主要内容,对本课题研究过程中出现的一些问题进行了探讨,并对将来的研究方向做了展望。