癫痫是一种常见的慢性神经性脑部疾病,以大量神经元的异常猝发性过渡同步放电为特征,是神经科的第二大顽症,仅次于脑血管病。癫痫样放电的波形具有多态性,主要包括以下四种：棘波、尖波、棘慢复合波和尖慢复合波。到目前为止,脑电图检查在癫痫的临床诊断中是最有价值且最重要的手段,为一些大脑异常病症的诊断提供了可靠的信息。在临床脑电图检查中,最重要的是检测脑电图中棘波和尖波是否出现。判读脑电图传统的方法是依靠专业人员人工目测分析EEG,这是一项复杂且又非常耗时的工作,而且需要经长时间高级训练的专业人员,而这又恰恰是目前临床领域严重缺乏的。所以,对脑电信号的癫痫特征自动检测技术研究是非常有意义且很迫切需要。本文的研究目标主要是在传统的癫痫脑电信号识别方法基础上,提出一种利用小波变换和能量算子对EEG进行预处理提取癫痫特征信号,再对其进行近似熵估计,最后采用SVM对脑电信号进行分类的新方法。首先利用小波分析将EEG信号进行4层分解分成多个子频带,对频率接近棘波的第1,2层小波系数计算非线性能量算子,再对能量算子进行近似熵估计特征提取,最后用SVM对EEG信号进行分类。