癫痫是一种常见的神经系统疾患,其唯一客观证据为脑电图的癫痫样发放。在癫痫发作期间,仅有偶发的很难辨别的癫痫样放电,为了正确诊断癫痫病,往往需要医生长时间监测病人的脑电信号。所以人们提出了各种癫痫信号自动检测与识别技术。 本文对目前癫痫信号计算机自动识别的方法进行了详细分析比较。提出了癫痫脑电信号的“小波预处理—BP神经网络自动识别—混沌分析”研究新模式。介绍了运用小波分析对原始脑电信号进行分析、降噪、抑制的原理和实现,在此基础上采用BP神经网络技术对脑电信号进行了癫痫症状脑电信号的模式识别,通过网络仿真的输出结果和目标输出作线性回归分析,得到的相关系数几乎达到了0.9。为了深层次的解释其癫痫症状的内在特性和原因,本文运用了以协同学为基础的非线性混沌理论更深层次的对癫痫脑电的过程变化进行了研究,揭示了脑活动的一个显著特点:脑活动仅仅由几个序参量支配,癫痫小发作是一种混沌现象。对临床分析和诊断有一定帮助,为癫痫症状病理分析提供了重要的参考信息。