生物信号真实客观地反映机体生理状态和情绪变化，是表征人体状态、探索疾病预防和治疗以及研究人体奥秘的必要手段。诸如脑电（Electroencephalogram, EEG）、心电（Electrocardiogram, ECG）等生物电信号常具有信号微弱、随机性强、非线性和非平稳等特点，分析方法多样，但其“复杂度”的概念尚未定论。熵（Entropy）用于表征物体的不确定性程度，适用于生物电信号的复杂度分析，但我们在研究中发现，单尺度熵（monoscale Entropy）值随着信号随机程度的增加而单调地增加，可能反映信号的“杂乱性”，而非“复杂性”。多尺度熵（Multiscale Entropy, MSE）通过选择恰当时间尺度或描述曲线变化趋势来反映信号长程相关性的信息，间接地反映复杂度，表达结果不够直观。　　为实现生物信号复杂度的直观量化，本课题主要做以下工作：　　1.在单分形条件下，基于 MSE定义新的复杂度指数（Multiscale-Entropy-Hurst Complexity index, MEHC）并给出公式，表达信号中有用成分的不确定性程度和长程相关性。计算谱指数β和去趋势波动分析（Detrended Fluctuation Analysis, DFA）所得斜率α的拟合指数，对复杂度公式进行改进，然后对仿真信号进行量化分析，初步验证复杂度公式的可信度。　　2.对健康（Health）组、房颤（Atrial Fibrillation, AF）组和心力衰竭（Congestive Heart Failure, CHF）组的心跳间隔时间序列进行分析，对比MSE，评价MEHC对真实信号的量化效果。　　3.基于安卓（Android）平台编写EEG采集程序，利用MindFocus蓝牙脑波采集头带进行睡意检测实验，结合主观嗜睡量表分析和MSE，对MEHC的睡意检测效果进行评价。　　实验结果表明：　　1.MEHC意义明确，直观反映信号的复杂程度和长程相关性，可用于实现生物信号便捷、简单的复杂度分析。　　2.原始时间尺度时，EHC随β的增大呈现先增后减的趋势，在β=1附近取得最大值，在β=0或2附近取得最小值。β=1、0.5和0的仿真信号的MEHC基本保持不变，分别约为0.95、0.57和0.03，β≤1的仿真信号的MEHC符合人们对“可用信息”的理解。　　3.Health组MEHC接近于0.90，CHF组MEHC在0.5-0.9范围内，AF组MEHC在1.5-2范围内，相互之间的差异具有统计学意义（P＜0.01），相比MSE，MEHC区分健康组和病态组差异性的意义更加明确，可以理解为MEHC越接近于0.90，复杂度越高。　　4.主观嗜睡量表和MEHC用于描述状态差异性具有统计学意义（P＜0.01），MSE和CMSE在恰当时间尺度时，检测状态差异具有统计学意义。MEHC量化状态差异意义更加明确，在清醒状态时MEHC更接近于0.90，全时间尺度范围内，睡意状态时MEHC更低，基本符合人们对复杂度的理解。