该论文试图以脑电的时空信息为线索,构造一个基于独立发量分析(ICA)和自组织聚类的脑电子时空模式研究的完整框架,该文将ICA的概念、算法系统地引入脑电信号的时空分析过程,针对临床诊断和认知研究的需要改进了算法,并首次提出独立分量时间优选和空间优选的概念和方法,形成了完整的基于独立分量分析的脑电信号增强方法.这种脑电信号增强方法可以较好地结合有关的生理和认知的先验知识,在独立分量空间有效地实现信号与噪声的分离.而基于自组织聚类的神经网络模式识别也是近年来引入脑电模式研究领域的,其优势主要在能够自动地发现高高特征.该论文将无监督和有监督两类自组织网络结合起来,构造了一个由粗及精的模式识别方案,有效地提高神经网络对脑电时空模式的识别率.此外在讨论脑电信号时空分析和特征提取的过程中,该论文还提出了基于多变量AR模型的脑电动态相干分析技术,以及基于近似熵的脑电复杂度的度量方法,同时还给出了相应的高效算法.该文建立的基于独立分量分析和自组织聚类的脑电时空模式研究的新框架,试图在解决基于信号成分的脑内源活动的反求、单个源活动的特征描述、不同脑区源活动的协作、脑电时空模式的自动识别等核心问题时开辟新的研究思路.