大脑电生理信号是反映大脑活动状态的重要信号,主要包括:脑电图信号(EEG)、脑诱发电位信号以及神经元放电序列信号三类.该论文的研究正是围绕这两个问题,针对信号的高保真预处理技术和典型特征信息的提取与识别技术展开的.在信号预处理技术方面,主要针对EEG信号的特点,提出了准确识别和消除EEG伪差的方法,以及高保真的EEG波形增强算法.在特征信息的提取与识别方面,论文对三类典型脑电信号进行了深入研究,在EEG棘波的准确识别、诱发电位的快速提取以及神经元放电序列的特征分析方便取得了较大进展.棘波是EEG信号中比较有代表性的特征波形,它与癫痫等病理现象有较强的对应关系,但是由于棘波的定义比较含糊,使得自动识别比较困难.针对这一问题,该文仿照临床医生判别棘波的过程,在波形分割的基础上,依据EEG中各个波的特征实现了棘波识别.该文针对诱发电位的快速提取,首次提出了多通道相干成分分离算法.这一算法采用多通道同步观测,通过在时频域中分析各通道的相干性确定共有信号成分的时频分布,进而重构出各通道中的共有信号.大脑神经元放电序列是神经信息信息学和"人类脑计划"的重要研究内容,对它的研究和分析越来越受到关注.论文针对在帕金森病人治疗过程中采集记录的神经元放电信号,首次探索了应用最大Lyapunov指数分析不同解剖结构放电序列放电特征的方法.证明了苍白球内侧(Gpi)和苍白球外测(Gpe)的Lyapunov指数存在明显的差异,为定向内侧苍白球腹后部毁损术准确区分Gpi和Gpe区域提供了一种可能的定量电生理特征.