皮层脑电信号是神经信息学研究的重要手段之一，它能够反映因大脑群体神经元脉冲发放而引起的头皮处电位波动，因此蕴含着丰富的脑功能信息，被广泛应用于脑-机接口中。由于脑-机接口主要目的在于提供足够多的开关量去驱动控制装置，在实际应用中通常会选择那些具有较好模式分类性能的脑电范式。而本文针对基于脑电的大脑意识活跃状态评估应用，包括酒精中毒程度、意识障碍患者大脑意识状态、生理性精神疲劳等评估问题，将对皮层脑电信号的特征提取以及模式识别展开研究，最终实现客观真实地评估大脑的工作状态。因此与脑-机接口应用相比，大脑意识活跃状态评估将对皮层脑电信号处理和分析方法提出更高的要求。考虑到脑电信号的非线性和非平稳性，在大脑意识活跃状态评估应用中，本文首先分别引入了非线性动力学中的复杂度分析方法以及具有时频特性的Hilbert-Huang变换方法。由于传统复杂度粗粒化算法注重于皮层脑电信号的绝对幅值，而丢失了更为重要的波动性，因此本文提出了一种新的差值二值化思路，在复杂性计算时将突出皮层脑电信号的瞬变特性。另外针对Hilbert-Huang边际谱算法中加窗过程中的主观性和不确定性，本文提出了一种新的多尺度分析思路，以实现多窗口参数情况下的脑电特征融合。论文主要工作如下：(1)在基于皮层脑电信号特征提取的酗酒状态评估中，提出引入复杂度分析方法，以符号动力学来描述皮层脑电信号的非线性特性。以两幅图片差异性识别的实验为例，结果表明：酗酒者在执行识别任务时，皮层脑电的复杂度曲线上升沿的出现时间略迟于非酗酒者，说明酗酒者的意识反应速度较慢；而且从复杂度曲线的整体特性来看，酗酒者脑电复杂度低于非酗酒者，说明酗酒者的大脑意识活跃程度较弱；另外从皮层脑电对应的采集电极来看，O1、O2、C3、C4电极信号具有较高的区分度，其中应用本文复杂度分析方法对O1电极采样数据进行特征提取并分类，与临床诊断结果的吻合率达到87%。研究结果将为慢性酒精中毒诊断提出了新的客观辅助诊断依据，同时验证了复杂度分析方法在大脑意识状态特征提取中的有效性。(2)提出了一种基于差值二值化的皮层脑电信号粗粒化方法，弥补了传统复杂度粗粒化方法对于信号局部波动特征丢失的缺陷。分别结合KC和C1C2复杂度分析方法，将新的信号符号序列生成机制应用于基于皮层脑电信号的意识障碍患者状态评估，结果表明：与传统的均值和中值粗粒化方法相比，基于差值二值化的KC复杂度分析方法所提取的特征更具区分度；意识障碍患者的意识活跃状态区分效果上KC复杂度算法要优于C1C2复杂度；在受到唤名刺激时，部分意识障碍患者复杂度曲线波动幅度明显大于安静状态水平，表明其大脑在受刺激时意识活跃程度高于安静状态，此特征可作为意识障碍患者能够接受外界刺激并产生意识反馈的判断依据，将为意识障碍患者的诊断及治疗方案的选择提出新的客观判断标准。(3)提出了基于多尺度分析的皮层脑电Hilbert-Huang特征提取方法，克服了边际谱计算时窗宽确定的主观性，实现了多窗口下的时频特征融合。并以生理性精神疲劳评估为例展开研究，结果表明皮层脑电信号的时频特征信息在不同观察尺度下具有差异性，不合适的观察尺度难以捕捉有效特征。本文所提出的多尺度分析方法在提取精神疲劳相关的脑电特征时，将各尺度脑电边际谱中各频段能量特征组成特征向量，并利用具有自适应性的支持向量机进行学习和分类，取得了较好的分类效果，分类准确率达87.5%。新方法所提取的特征更加充分利用了皮层脑电信号中所包含的时频信息。