脑电图(EEG)检测是一种脑部疾病临床诊断的有效方法,它可以向医生提供真实可靠的信息,以帮助医生确诊。癫痫是一种常见的脑部疾病,其发作具有突发性,为了得到发病时的脑电信号,往往需要对病人进行长期脑电观测。目前,通常需靠医生来判读癫痫脑电信号,由于脑电信号数据量通常比较大,对脑电信号的分析鉴别是一项比较繁重的工作,且容易引入医生的个人主观倾向。因此,对脑电信号的自动分类和识别就显得尤其重要了。目前有很多经典的信号处理和分析方法可用于脑电信号的分析和分类,并取得了较好的效果。本文在研究这些成果的基础上,提出了几种脑电信号分类方法,这些方法主要基于支持向量机(support vector machine, SVM),小波分析和经验模态分解(empirical mode decomposition, EMD)等技术,实验结果表明所提方法能有效地把癫痫脑电信号从正常脑电信号中区分出来。论文具体内容如下：首先,本文叙述了脑电信号的形成机理、生理特点以及目前主要的检测分类方法,为后面的脑电信号分类研究打下基础。其次,介绍目前国内外关于癫痫脑电自动检测的研究现状,对比各种研究方法的优缺点,尤其对小波变换、支持向量机、经验模态分解等相关技术做了深入分析,结合各种方法的优点,提出了一套基于脑电信号特征提取和分类的综合判断方法,将这几种方法应用于临床采集的脑电信号的分类中,能有效地区分出正常脑电信号和癫痫脑电信号,并取得了良好的分类效果,使得正确分辨率可达到91%以上,最高可达100%。最后,本文对脑电信号分类、癫痫脑电特征提取的发展前景以及应用趋势做了相关探讨。