癫痫(Epilepsy,EP)是一种常见的以短暂性中枢神经系统功能失常为特征的脑部疾病,具有反复发作和难以预测等特点。癫痫发作不仅严重影响癫痫患者的正常生活,而且给患者的家庭以及社会带来了非常沉重的负担。因此,有效的控制癫痫发作已经成为神经科学的重要研究方向之一。目前的研究普遍认为,癫痫发作是由于中枢性神经系统的兴奋性与抑制性的动态不平衡导致的。因此,如果能够实时测量兴奋性与抑制性的值,将为有效的闭环控制癫痫发作提供可能。因此,本文首先采用一种神经元群模型参数估计方法对脑电图(Electroencephalogram,EEG)信号进行滤波,得到了实时的模型增益参数估计值;然后将模型增益参数估计值作为反馈信息设计闭环控制策略,实现了对癫痫发作的检测和调节。本文的研究内容主要包括以下三个方面:(1)构建了基于无迹卡尔曼滤波的神经元群模型参数估计方法。首先,本文从基于电生理的Jansen&Rit神经元群模型出发,探讨了模型参数改变对模型输出的影响,发现模型兴奋性和抑制性突触增益的改变会导致模型输出呈现癫痫样放电。结果验证了神经元群模型作为癫痫计算模型的合理性。然后,通过比较几种常用卡尔曼滤波器之间的优缺点,确定采用无迹卡尔曼滤波用于EEG信号的滤波以及模型参数的估计。(2)实现了神经元群模型兴奋性和抑制性突触增益的估计。首先采用基于无迹卡尔曼滤波的神经元群模型参数估计方法,对癫痫样仿真信号进行滤波,得到神经元群模型兴奋性和抑制性突触增益的估计值。仿真结果表明,该估计值可以较好的拟合增益参数的设定值,验证了该方法在仿真信号中估计模型增益参数的可行性;然后针对波士顿儿童医院和麻省理工学院共同创建的癫痫头皮脑电开源数据库的实测EEG信号进行滤波,得到模型增益参数的估计值可以区分癫痫间期和癫痫发作期,验证了该方法作为检测癫痫发作方法的可行性。(3)提出了一种抑制癫痫样放电的闭环控制策略。首先,采用比例积分(proportional-integral,PI)闭环控制策略,通过选取合适的PI控制参数,达到了在癫痫样仿真信号中抑制癫痫样放电的效果,解决了开环控制中持续刺激的弊端。然后,为了简化PI闭环控制策略中的参数优化过程,提出了一种改进的PI闭环控制策略,并在癫痫样仿真信号中验证了该策略的可行性。仿真结果表明,本文提出的改进PI闭环控制策略,即使在PI控制参数随机选取的前提下,也可以实现PI闭环控制策略的控制效果。本文提出的基于神经元群模型参数估计的改进PI闭环控制策略,不仅为未来闭环抑制癫痫发作提供了新的思路,也为临床癫痫治疗提供了理论指导。