由于中医脉象的变化反应了人体五脏六腑的气血盛衰,中医大夫可通过触压觉器官(如手指)获取人体脉象信息,进而达到诊病的目的。这样的诊病过程虽然简便、无创伤,但其主要是建立在大夫个体的临床经验基础之上。另外,由于感觉器官的敏感性差异和主观因素,很大程度上限制了中医脉诊客观化的发展和交流。因此,研究中医脉诊客观化辨识的创新性方法,将对中医脉诊的研究起着极大的推动作用。根据现代控制理论和系统信息处理的观点,通过分析系统的输出信号可知道系统的内部状态。因此,以人体复杂系统输出的脉象信号作为研究对象,结合现代信号处理方法和我国传统的脉象学,将成为使中医脉象研究走向客观和科学化道路的有效途径。本文结合脉象形成机制和中医脉诊理论,首先,从认知脉象信号入手,通过时频域分析方法,提取用于区分脉象的时频域特征；通过混沌特性分析方法,定性和定量地分析脉象信号的混沌特性,并用相关维、最大Lyapunov指数、Kolmogorov熵三个量值作为混沌特征参数区分不同脉象。其次,根据脉象的特征,设计用于识别中医脉象的神经网络识别器。该识别器是针对回声状态网络(Echo State Network, ESN)在识别多元信息特征时存在的不足而设计的。基于复杂网络理论和李雅普诺夫稳定性定理,采用自适应技术和聚类算法,设计了复杂网络自适应聚类同步控制器,并给出聚类同步实现全局稳定的充分条件。之后,将此控制器作为中间层,设计了一种新颖的自适应聚类同步回声状态网络识别器模型。通过理论推导和数值分析,证明该识别器模型对输入、反馈等变量的鲁棒性,在识别过程中,只需调整状态矩阵即可实现全局稳定；同时网络还能有效地模仿人脑识别多元信息特征时间序列的过程,具有自适应聚类特性。最后,在中医脉象信号识别中检验该识别器模型的有效性,并与传统神经网络识别器进行比较,进一步验证其优越性。