注意缺陷多动障碍(ADHD)在我国称为多动症,是儿童时期常见的一类心理障碍疾病,近些年来,患病人数呈上涨趋势,所以越来越受到社会的广泛关注,但是目前发病机制尚不明确,临床诊断主要依靠观察和行为量表的方式,具有一定的主观性,因此本文要研究一组客观的指标来诊断儿童多动症。非侵入式测量脑电图可以准确地记录被测试者的脑电信号,本研究中将测得的脑电信号从信息熵、小波相干性以及功率谱密度等方面进行分析,然后提取这些特征的特征值进行分类算法研究,通过对多动症以及正常儿童的脑电信号进行研究,可以对临床诊断起到一定的辅助作用。首先,研究中采集了102名4-9岁儿童的静息态闭眼脑电信号,其中包含52名多动症儿童以及50名正常儿童。对信号进行筛选后分别得到46名多动症儿童以及45名正常儿童的脑电信号。然后进一步进行预处理,去除工频、眼电、肌电、出汗等伪迹,得到较为纯净的脑电信号然后从信息熵、小波相干性、功率谱密度三个方向进行特征提取,功率谱主要分析不同频段上的功率差异,信息熵主要从近似熵、样本熵、排序熵、多尺度熵等进行提取,小波相干性主要分析脑区内与跨脑区各电极间的连接强弱性。对于信息熵与功率谱所提取的特征值,进一步采用基于核函数的模糊C-均值聚类算法进行分类,并且采用支持向量机(SVM)来求取单一通道的分类准确率,比较各特征值的分类准确率,发现多特征融合分类效果更佳,最后通过SVM算法建立了有效的分类模型。功率谱分析结果显示多动症组在theta频段(4-8Hz)能量明显增加,而在bate频段(14-30Hz)能量明显减少。全脑的分类准确率分别为71.25%和74.25%;在近似熵、样本熵以及多尺度熵方面,多动症组在除T8电极外都明显低于正常对照组,全脑分类准确率分别为56.89%、57.62%、65.26%,组合后的分类准确率为73.36%;利用小波相干性作为特征进行分类的准确率为78.53%。将上述所有的特征作为有效特征子集进行分类,最终的分类模型分类准确率达到93.48%。研究主要以临床应用的角度为出发点,提取出可以有效识别多动症儿童脑电信号的特征,将各特征融合建立高效的分类模型,为儿童多动症的临床诊断提供了客观且有效的方法。