麻醉是现代医学中至关重要的一环,基本是任何手术中不可或缺的步骤。然而麻醉剂过量或不足将会给病人带来严重的生理、精神和心理创伤,其中术中苏醒的危害最大,因此合理控制麻醉剂用量具有十分重要的意义。目前临床上麻醉师多采用术中病人的生理特征,凭借经验判定病人麻醉深度状态,然而此种方法受环境和经验因素影响较大,不适于长时间监测,因此本文在广泛调研目前麻醉深度监测技术的基础上,研究了一种基于脑电信号多域分析的麻醉深度监测算法及其实现。本文采用MIT-BIH数据库用于模拟麻醉深度状态,首先在脑电信号中提取与麻醉深度状态有关的特征参数,提出了一种不需要眼电参考通道的在单通道含噪脑电信号中实现脑电和眼电分离的技术,运用了小波变换、经验模态分解和独立分量分析等处理方法;其次探究脑电信号频带能量比和模拟麻醉深度状态之间的关系;首次验证了单位时间内眼动次数和模拟麻醉深度状态之间具有量化的关系;应用改进快速近似熵算法对模拟麻醉深度状态进行了有效刻画。最后基于最小二乘-支持向量机技术设计了麻醉深度状态分类器,对模拟麻醉深度状态进行量化。论文最后给出了算法在ARM平台的实现,该平台集脑电数据采集、麻醉深度估计算法运行于一身,并能通过蓝牙无线数据传输方式与麻醉从机进行通信,麻醉深度数值可实时显示于从机液晶屏。验证实验表明该算法能有效刻画模拟麻醉深度状态,为后续真实麻醉深度估计的临床试验打下了坚实的基础。