脑电信号是典型的非线性信号,具有高度的非稳定性和复杂性,其中包含了很多大脑的生理和病理信息。为了充分的理解大脑的认知功能和有效地检测异常脑电活动,各种非线性动力学分析方法被应用到脑电信号的研究中。相比于传统的线性分析方法,非线性动力学分析方法可以提取到脑电信号中更多的有效特征,为大脑疾病的诊断和不同大脑活动状态的识别提供帮助。本课题运用多种非线性动力学分析方法研究神经群模型模拟的不同种类的脑电信号,验证分析方法的有效性,为脑疾病的检测和不同大脑活动状态的识别提供理论依据。具体工作如下:首先,运用改进排序熵算法提取单神经群模型模拟的正常脑电信号、零星棘波信号和持续放电的棘波信号的复杂性特征并进行定量的统计分析,与原始排序熵算法和Rényi排序熵算法进行对比,以验证改进排序熵算法在脑电信号分析中的有效性。其次,结合复杂网络和图论的概念构造包含八个节点的神经群网络模型,应用改进排序熵算法对八个通道脑电信号的复杂性进行定量分析,研究不同网络参量对动力学特性的影响。最后,构造多动态神经群模型,运用Lorenz散点图分析方法对多动态神经群模型模拟的不同节律的脑电信号进行非线性动力学分析,研究不同节律脑电信号非线性动力学特性的差别,为不同大脑活动状态的识别提供依据。