El pulso lleva información fisiológica y patológica importante sobre el cuerpo humano. El sensor piezorresistivo utilizado para capturar información de pulsación vascular ha pasado de ser de un solo punto a una matriz de sensores. Sin embargo, la señal de interferencia entre los canales se ha convertido en un cuello de botella clave que restringe el desarrollo del equipo de diagnóstico de pulso de matriz de sensores. El sensor en contacto con la pulsación vascular obtiene la señal de pulso. Cuando algunos sensores se desplazan debido a la pulsación vascular, otros sensores se verán obligados a moverse, lo que producirá señales de interferencia. La interferencia de señal es un problema común para las matrices de sensores, pero pocas personas han analizado este problema desde la perspectiva del algoritmo. En este documento, se propone un algoritmo de reconocimiento de señal de interferencia de la matriz de sensores basado en una red neuronal convolucional (CNN). En primer lugar, se estableció un modelo de estructura mecánica simple para analizar el mecanismo de generación de señales de interferencia en un sistema de adquisición de matriz de sensores MEMS. Luego, se diseñó un modelo de CNN con menos parámetros para identificar señales de interferencia. Finalmente, el modelo de CNN se implementó en una matriz de compuertas programable en campo (FPGA). Los resultados muestran que el algoritmo CNN pudo identificar las señales de interferencia correctamente, y la precisión del algoritmo fue del 99,3%. El consumo de energía del acelerador CNN fue de 0,673 W a una frecuencia de trabajo de 100 MHz. Se propone un algoritmo de identificación de señales de interferencia para garantizar el análisis preciso de las señales de matriz. La implementación en FPGA sienta las bases para la miniaturización y portabilidad del equipo.