癫痫是一种具有突发性和反复性的神经系统疾病,不仅会对患者健康产生极大危害,还会给家庭及社会造成巨大负担。癫痫发作时脑电信号显示出较大的波动性、同步性,这与物质发生相变时在时空上呈现出的特性类似。基于此,本研究将相变理论模型融入癫痫脑电信号的研究,从相变的角度出发,探索癫痫发生过程中的脑电信号同步性等特征,研究其时空演变特征,获取癫痫发生、发展的预警信息。主要工作如下:1、利用小波分析方法对癫痫脑电信号进行去噪预处理。采用4种方法对小波分解后的系数进行阈值处理,对比分析去噪结果,发现对系数进行软阈值处理后的重构信号能够达到较好的去噪效果。2、对去噪后的信号进行相关性分析,求取通道间的相关系数,并将相关系数作为分类器的输入,采用支持向量机、邻近算法、朴素贝叶斯等多种方法对信号进行分类。相关性分析表明,癫痫脑电信号通道间的相关系数由间期至前期再到发作期呈现增长的趋势。分类结果表明,支持向量机分类效果优于其他分类器,且数据分段为30 s时,能达到最佳分类效果。3、其次引入相变思想及Z分数概念,通过实验选择临界阈值,研究信号的时空演变特征。通过实验发现,当Z分数取2时,信号表现出一定的特征,可绘制出通道连通网络动态图及布尔参考网络二进制序列图。4、进一步进行脑电时空特征验证。对五只实验动物狗共40小时的癫痫脑电数据进行验证,结果表明此方法所研究的信号时空特征的匹配率达到了80%。其中,针对部分狗的癫痫数据正确率可达91.7%。同时本研究提出的基于相关性的分类方法正确率为93.75%,能够对信号实现较好的分类效果。本课题从相变的角度出发研究癫痫脑电信号。以相关性分析为基础,结合相变思想,对癫痫发作前信号的时间及空间特征进行研究。结果表明,随着时间的推移,越接近癫痫发生,通道在空间上连通程度越高,在时间上相关系数越大。