脑电(Electroencephalograph,EEG)通过记录大脑头皮上的电信号来反映大脑的功能状态,是检测大脑功能活动的主要技术之一,广泛应用于精神疾病的诊断、脑机接口等领域。EEG信号是一种非平稳的随机信号,具有复杂多变的特点。EEG信号的分析与处理成为近年来的研究热点,时频域联合分析法是EEG信号的主要分析方法之一,然而采用传统的时频变换方法获得的时频信息中存在伪频率,导致所得EEG信号的时频信息不够准确。此外,一些EEG信号的分析方法还存在特征种类较多、对参数敏感并且数据处理繁琐的问题。因此,本文针对以上问题,提出了一种基于标准时频变换的脑电信号分析方法,并以酗酒者EEG数据库为研究对象,对所提方法进行测试。选题具有较高的理论价值和实际意义。本文完成的主要工作和创新点包括:(1)介绍了酗酒者EEG数据的采集过程,并对常用的EEG信号分析方法进行了简要介绍。为去除EEG信号采集过程中的生理电及设备干扰,对EEG数据进行了预处理,主要步骤包括:单一事件提取、伪迹去除、带通滤波和平均参考电极。通过对数据进行预处理,得到了干扰较少的EEG信号样本集,为后续的分析奠定基础。(2)基于标准时频变换理论中的标准morlet变换,提出了一种新颖的EEG信号时频分析方法。标准morlet变换解决了传统时频变换方法中存在伪频率的问题,使EEG信号的频率、振幅及相位信息更加准确。然后针对标准时频变换中存在边缘效应的问题,对时频图的边缘伪迹进行去除。在此基础上,对EEG信号在时频域上的振幅进行统计分析,发现酗酒者和正常人EEG信号的差异性主要体现在θ、α和δ波段中,并且酗酒者EEG信号具有更低的振幅值,表明采用标准时频变换方法能对EEG信号进行有效分析。(3)针对目前EEG信号分类方法中数据处理较为繁琐并且对参数敏感的问题,本文提出了基于标准时频变换特征的EEG信号分类方法。先通过标准时频变换得到EEG信号各个波段上的平均振幅,接着将平均振幅输入优化KNN分类器对酗酒者和正常人的EEG信号进行分类。采用10折交叉验证方法对本文提出的方法进行了测试,并分析了窗宽参数对EEG信号时频图及分类准确率的影响。实验结果发现,不同窗宽对最终的分类准确率无明显影响,当窗宽参数变化时,分类准确率在98.4%-99.2%之间,验证了本文方法的有效性。(4)将本文方法与传统的morlet变换、短时傅里叶变换与小波变换等EEG分析方法进行了对比分析。结果表明,本文方法具有对参数不敏感、分类特征种类少、分类准确率高的优点,为EEG信号的处理与分析提供了新思路。