脑电（EEG）信号是临床脑疾病诊断、神经生理学、脑科学等研究的重要途径。脑电（EEG）信号中癫痫特征波的自动检测以及脑电信号的预测在临床检测、脑电监护、癫痫等脑疾病的控制与治疗上均有很重要的意义。 脑电（EEG）信号具有高维的混沌特性，混沌信号的预测是当前混沌理论与应用研究的一个重要方向。但是当前的研究多数是针对低维混沌信号，本文对高维混沌特性的脑电信号的预测研究作初步探讨。人工神经网络在自适应、非线性映射等方面具有优良的性能，在混沌信号预测中具有广泛的应用。而Volterra级数展开式具有高度非线性，大量的非线性系统可以由Volterra级数表征。因此，本文采用径向基函数神经网络和三阶Volterra级数滤波器分别构造脑电信号的两个预测模型；对通常的径向基函数预测网络作了改进，并且采用乘积耦合近似实现三阶Volterra级数滤波器，突破了常规上只能用二阶Volterra级数滤波器的限制。 小波变换是一种时频域分析方法，它具有多分辩率、相对带宽恒定、表征信号局部特征的能力等优点。本文选取适当的小波函数，将信号进行连续小波变换，把脑电信号中的癫痫特征波在不同的尺度下分离出来，然后选取特定尺度下的变换结果，通过阈值判定方法对棘波进行检测。 数值仿真结果表明，本文所研究的两个预测模型以及棘波的小波变换检测方法是很有效的，特别是三阶Volterra级数滤波器预测模型，它对脑电（EEG）信号的预测精度可以达到10^-3数量级。