认知功能障碍是介于正常认知功能与痴呆的中间阶段,认知功能快速衰退可导致老年人发展成阿尔茨海默病,严重影响患者日常生活。目前阿兹海默疾病在治疗上无实质突破,认知功能障碍的预防与早期诊断极为重要。糖尿病是导致认知功能快速下降进而发展成阿尔茨海默病的重要因素,研究糖尿病与认知功能相关的脑电信号可加深糖尿病对认知功能障碍损害的认识。本文研究希尔伯特黄变换相空间重构法和相位幅度耦合算法,对实际糖尿病患者脑电信号分析并提取脑电特征,最后进行机器学习实现自动分类。首先,采用基于经验模态分解相空间重构法研究EEG空间特性,利用癫痫患者EEG算法分析,发现EEG序列的二维相空间和三维相空间特征在正常组和对照组具有差异。研究与糖尿病认知障碍有关的EEG空间特征,采用非参数检验法Kruskal-Wallis对多组特征值统计分析,发现特征值在颞区、顶区、中央区存在差异。基于曲线下方最大面积提取特征,采用支持向量机分类其平均准确率达到79.17%。其次,研究大脑低频相位与高频幅度的调制机制,利用频率确定的仿真信号,从数据长度和算法抗噪性能对比分析直接耦合法和带统计特性耦合方法,结果表明带统计特性相位幅度耦合方法可以准确的检测出耦合发生的频率范围,对数据长度要求低、抗噪性能好。最后,通过分析认知功能障碍糖尿病患者的脑电信号耦合特性,发现在一些脑区的不同频率范围内两组患者的耦合值存在差异,提出相对耦合比特征,统计分析发现两组在前额区、颞区、顶区的相对耦合比存在差异,揭示不同频率脑电信号间的信息交流。采用最大曲线下方面积提取特征,使用支持向量机和压缩感知分类器实现自动分类,准确率为73.33%和83.33%。