轻度认知障碍(Mild Cognitive Impairment,MCI)的诊断研究日益成为当前国内外学术界关注的热点。其中,脑电(electroencephalogram,EEG)信号分析作为MCI诊断研究的主要方式已得到学术界广泛认可。为了深入研究基于脑电信号的MCI患者诊断方法,我们需要重点关注各脑区神经活动的相关性。为了有效量化MCI这种神经活动的相关性,本文从两种不同的角度提出了基于相关性分析的多通道脑电信号特征提取方法。首先,本文提出了基于相关系数矩阵分解的特征提取方法。该方法首先计算两两通道脑电信号之间的皮尔逊相关系数,然后使用矩阵分解的方法对系数矩阵进行降维。从表征脑区之间的相关性角度上来讲该方法可以较好地用于MCI脑电信号的特征提取。其次,针对当前脑电信号耦合关系特征提取未考虑不同组合脑区之间的差异、数据表现形式单一的问题,本文提出了加权排序条件互信息(Weighted Permutation Conditional Mutual Information,WPCMI)的方法。该方法将多通道脑电信号的频域特征作为权重,通过加权平均的方式与其时域耦合关系特征相结合,来提高耦合关系特征的显著性。以表征MCI脑电信号与正常对照组脑电信号两两通道之间相关性的显著差异,从而对MCI脑电信号与正常对照组脑电信号进行分类识别。最后,将上述两个方法应用于MCI多通道脑电信号的特征提取。首先提取了MCI患者与对照组在两个角度上的脑电信号特征,并将上述两个特征提取方法分别与已有方法进行了深入比较分析。实验结果显示相关系数矩阵分解方法和加权排序条件互信息方法均体现出了优异的性能。