深部脑刺激(Deep Brain Stimulation,DBS)是治疗晚期帕金森症的有效治疗手段。然而现有的DBS技术很难适应患者生理状态的改变,缺乏自适应性,且存在副作用。自适应DBS系统是当前研究的热点,理想的自适应DBS系统能够根据患者的生理状态,自适应控制刺激参数。其中获取能够反映患者生理状态的生物标记物是自适应DBS系统研究的核心,也是目前亟待解决的问题。帕金森症患者的局部场电位(Local Field Potential,LFP)表现出异常的振荡现象,提取异常振荡信号,用于研究帕金森症病理机制,设计自适应DBS刺激控制规则库,对于晚期帕金森症患者的治疗有重要意义。本文对8名帕金森症患者的局部场电位信号进行研究,为了获取帕金森症生物标记物进行了下面四个方面的工作:第一,对当前的帕金森症特征提取算法进行总结,分析算法原理及其获取的生物标记物的表现,提出帕金森症特征提取算法的设计标准;第二,对8名帕金森症患者的局部场电位信号进行预处理和谱分析,获取异常振荡的频域特征。其中,2名患者(刺激组)在DBS刺激的同时记录场电位信号,6名患者(未刺激组)在静息状态下切断供药进行局部场电位的信号的记录。谱分析结果显示,异常振荡信号集中的频段在8-35 Hz;第三,设计了改进的经验模态算法用于异常振荡信号的提取,从时域角度将异常振荡分解出来。从精确度和计算效率两个角度出发,设计了基于信号整形和波形计数的特征提取算法与基于阈值包络的特征提取算法;第四,对获取的异常振荡进行统计分析。与现有的固定阈值法对比,分解出的异常振荡信号含有更多的有效信息,验证了算法的准确度;刺激组和未刺激组的对照分析,刺激组含有更少的长振荡和更多的短振荡,验证了算法的有效性。本文以获取帕金森症的生物标记物为目标,分析现有算法并提出帕金森症特征提取算法设计的要求,利用谱分析限定异常振荡信号频率,设计算法从时域分解出帕金森症患者局部场电位的异常振荡信号,通过验证分析,确定了算法的准确性和有效性,为下一步自适应DBS系统的设计做准备工作。