生物医学信号是生命体子系统通过复杂的生理机制产生的随机信号,通常表现为非平稳性、波动性强、频谱范围复杂等特性。生物医学信号处理对临床医学应用具有重要意义,特别是基于信号特征分析的计算机辅助诊断系统有助于临床医生进行疾病的早期诊断和药物治疗。本文通过对帕金森病患者的发声音频信号和膝关节摆动信号这两种不同生物医学信号进行了非线性分析。我们通过相关矩阵和序列前向选择方法选取了有关帕金森病患者异常发声信号的周期、频率和非线性紊乱等典型指标参数,采用非参数核密度方法在二维协变特征空间中估计了信号模式的分布规律,并采用不同分类器对帕金森病患者的异常发声信号进行了有效的分类。我们还运用了去趋势波动分析方法研究了膝关节摆动信号在不同时间尺度上的自相似特性,提出了平均包络幅度指标作为度量异常信号出现不规则波动程度的参数,随后采用核密度估计方法对信号模式进行了特征分布建模,最后采用最小平方支持向量机和贝叶斯决策准则等非线性方法对健康比对受测者和膝关节炎症患者的摆动信号进行分类。两个不同生物医学信号处理的实验结果均表明,非线性分析方法有助于研究非平稳随机信号的不规则波动特性,有利于后续的特征分布分析以及模式分类。