人体生理信号能体现生命信息,是观察生命现象的窗口。肌电、脑电等生理信号是反应人体生理活动的主要指标,其中包含了大量的生理信息,例如脑电信号是诊断癫痫病的一种重要方式。如果能及时发现它们的变化,就能够帮助人们提前预防疾病,减少一些意外情况的发生,其研究具有十分重要的意义。本文主要研究了两类信号(肌电和脑电)的分类问题。人体生理信号是混沌信号,它有非线性动力学特征,不同生理状态和疾病状态的变化会引起不同生理参数的相应变化,同时它还具有随机性、非平稳性等特点。针对这些特点,本文首先通过基于时域和频域的方法、经验模态分解,基于遗传算法的频域特征搜索等方法进行特征提取,然后用遗传算法对提取到的特征进行优化选择,接着将样本的特征放MLP分类器中完成训练,最后采用这个分类器对生理信号进行分类测试。在实验中,本文对脑电信号和肌电信号两个公开的数据集进行分类研究,两个数据集的分类准确率分别达到90.12%和97.67%,本文所提出的方法在分类准确率上已经优于现有的分类方法。同时还通过多次交叉验证表明该方法在人体生理信号分类问题上的有效性。此外,本文还对脑电数据集做了窗口切割预处理,实验结果表明该方法能够快速识别癫痫脑电信号,未来在临床应用具有广阔前景。