轻度认知障碍(Mild Cognitive Impairment,MCI),也被称为早期痴呆和孤立记忆障碍,MCI的核心症状是认知功能的减退,极有可能发展成为阿尔茨海默病(Alzheimer’s Disease,AD)。因此研究MCI脑电信号与认知功能之间的相关性脑电特征有着重要的意义。该文研究了多尺度递归图量化分析和多尺度模糊熵的方法,进一步扩展到多元递归图交叉性分析和多元多尺度模糊熵的方法,并用耦合模型进行仿真分析,进而对MCI脑电信号进行非线性特征分析。首先,研究了多尺度递归图的量化分析方法:递归率(Recurrence Rate,RR)、确定性(Determinism,DET)、平均对角线长度(Average Diagonal Line Length,DLL)以及多尺度模糊熵(multiscale fuzzy entropy,MFE)算法,并利用耦合模型分别对RR、DET、DLL以及FuzzyEn值的耦合系数、阈值等参数进行了仿真实验,发现DET、DLL以及FuzzyEn值具有很好的一致性。利用DET、DLL以及FuzzyEn值对实际的MCI脑电信号分析进行分析,发现MCI组和nMCI组的DET、DLL、FuzzyEn值在小尺度下存在显著的差异。对所得到的DET、DLL、FuzzyEn值与神经心理学测试得分进行皮尔森线性相关性分析,结果表明两者间存在显著的相关性。其次,研究了多元递归图交叉性算法,并利用耦合模型进行验证,发现其有较好的耦合性、抗噪性。将其应用于MCI的脑电信号的复杂度分析中,发现MCI组脑电信号的CRPDET值要高于nMCI组。与神经心理学测试得分的相关性进行分析,发现MCI组和nMCI组之间表现出非常显著的差异。最后,研究了多元多尺度模糊熵算法,并利用耦合模型和1/f噪声对其耦合性、抗噪性进行验证,发现多元多尺度模糊熵算法具有很好的耦合性和抗噪性,能够反映信号相关性。将其应用于MCI的脑电信号的复杂度分析中,发现两组受试者脑电信号的复杂度存在显著差异,通过采用皮尔森线性相关方法分析,发现脑电信号的复杂度与认知功能间存在显著的相关性。