目的:中医闻诊是一种通过听、嗅患者的声音和气味来诊察疾病的方法，是中医临床收集病情资料的重要手段。声诊是闻诊不可或缺的一部分。近年来随着应用生物信息处理、计算机技术及模式识别等技术的不断发展，闻诊的客观化研究发面取得了一定的进展，对发展无创伤检测方法具有重要意义。本研究基于《内经》五脏相音理论对中医五脏以及中医常见证候患者的语音进行特征分析，为《内经》五脏相音理论提供一定的理论验证，为中医诊断学的声诊临床应用研究提供一定的启发以及思路。　　方法:本研究组在前期研究中建立语音采集系统与方法，本研究严格按语音采集步骤在临床上操作，进行了实验研究。根据中医理论采集并分类的肾、心、肝、肺、脾中医五脏疾病患者的语音信号共731例作为实验组，健康人群语音信号102例作为对照组进行的中医五脏比较以及气虚证比较;利用小波包分解技术，提取语音信号的小波包能量值、Shannon熵值，使用非参数检验方法对各组语音信号的特征参数进行统计分析，并利用特征参数进行中医五脏疾病以及中医五脏疾病气虚证的分类识别研究。　　结果:(1)利用小波包分解提取各组语音信号的小波包能量和Shannon熵值发现，肾、心、肝、肺、脾中医五脏疾病患者和健康对照组语音信号的特征参数，在组间的多个频段上有统计学差异(p＜0.05）。(2)利用小波包分解提取各组语音信号的小波包能量和Shannon熵值发现，肾、心、肝、肺、脾中医五脏疾病气虚证患者和健康对照组语音信号的特征参数，在组间的多个频段上有统计学差异(p＜0.05)。(3)利用小波包分解提取各组语音信号的小波包能量和Shannon熵值发现，肾、心、肝、肺、脾中医五脏疾病气虚证患者和中医五脏疾病痰浊证患者语音信号的特征参数，在组间多个频段上有统计学差异(p＜0.05）。(4)利用支持向量机算法和BP神经网络算法，对中医五脏疾病患者、中医五脏疾病气虚证患者和健康对照组、男女不同性别之间的小波包能量值进行分类识别，发现支持向量机算法的分类识别率为78.83％，76.67％，77.43％，75.97％，BP神经网络算法的分类识率为68.48％,66.46％,71.27％,66.99％。　　结论:(1)利用小波包能量值和Shannon熵值，发现中医五脏疾病患者和健康对照组的语音信号特征参数具有差异。(2)利用小波包能量值和Shannon熵值，发现中医五脏疾病气虚证患者和健康对照组的语音信号特征参数具有差异。(3)利用小波包能量值和Shannon熵值，发现中医五脏疾病气虚证患者和痰浊证患者的语音信号特征参数具有差异。(4)利用支持向量机算法(Support Vector Machine，SVM)及BP神经网络算法(Error Back Propagation Neural Network)，对中医五脏疾病患者和中医五脏疾病气虚证患者的小波包能量值及Shannon熵值进行分类识别有较好的识别率。