生理电信号是人体各种生理参数的重要指标,在临床治疗和诊断中有重要的作用。复杂度理论已成为研究生理电信号的热点,而符号转移熵是一种反映系统混乱程度的非线性指标,在生理电信号特征提取的研究中发挥着越来越重要的作用。但是符号转移熵一般都是用来衡量单个变量或者两个变量之间的动力学特征及方向性信息,忽略了多个变量之间相互作用。本文主要做了以下工作:一、在原有的多变量转移熵的基础上提出了多变量符号转移熵。由于传统的符号动力学使用的是静态划分的方式,虽然保留了动力学特征,但是时间序列的非平稳特性受到了严重影响,因此对传统时间序列静态划分方法做出了改进,即在原本就有的符号转移熵的基础上,创新性的将时间序列使用动态自适应分割的方式进行符号化。二、应用多变量符号转移熵算法对癫痫脑电以及注意力脑电进行分析,实验中通过选取最佳导联对和最佳数据长度来确定最终的多变量符号转移熵值,实验结果证明该算法能够有效区分正常人以及癫痫病人,有效区分脑电中的计数状态和闭眼状态。同时,对算法叠加叠加高斯噪声验证了该算法的稳健性。三、应用改进的多变量符号转移熵对正常人和冠心病患者的心电信号进行分析。在实验中通过选取最佳的导联对,来判断改进的算法能够显著区分正常人和冠心病患者,对原始心电时间序列叠加上高斯噪声后该算法依然可靠有效。