麻醉是临床手术中不可或缺的关键环节,如何保证病人在手术过程中安全和无痛苦是麻醉工作的核心问题。在复杂多变的手术过程中,为了确保麻醉安全,麻醉医生必须长时间注意力高度集中地全面性地观察记录病患各种生理特征,并根据自身经验进行分析和判别病患术中的麻醉深度。然而,由医生的主观判断来评估麻醉深度,容易出现因为所获信息与个人经验的不足、身体的疲累与环境的干扰、潜在的因素和病患个体性差异而造成的误判。随着生物医学工程与现代信息处理技术的深入交互和发展,针对各种体征信号的测量和分析设备在很大程度上减轻了麻醉医生的工作负担。本文针对病患的各种生理体征信号在手术过程中麻醉和清醒状态下的差异性,将信号处理方法和传统医学方法相结合,提出了全身麻醉手术过程中的麻醉深度分析的新指标、新方法,并开发一个能够综合显示信息的实时术中全身麻醉深度分析系统,用于提高临床麻醉监测与评价的准确性,减少人为因素的诊断失误,促进麻醉监测与评价技术临床应用的发展,保障病患在手术过程中的麻醉安全和术后的快速良好恢复。本文的主要研究工作如下：(1)针对术中心电信号在手术过程中受到基线漂移、运动伪迹和工频噪声的干扰问题,通过对现有形态学滤波器数据进行改进以及以均方根误差作为选取形态学中结构元素长度的参数,提出了一种基于形态学的约束适应QRS波群滤波算法。同时提出了一种基于EMD和形态学的心电信号滤波算法。将EMD所得固有模式函数经形态学滤波并进行最小均方根误差对应长度的特征提取,该算法能有效地去除心电信号中基线漂移、运动伪迹和减弱工频干扰。(2)针对术中脑电信号在手术准备阶段受到眼动的干扰问题,提出了基于MEMD和样本熵的眼电干扰滤波算法。算法通过分析对低频眼电信号高度敏感的样本熵值,得出包含眼电干扰的脑电信号样本熵值均小于0.5。在此基础上,比较分析EMD、EEMD、CEEMD和MEMD在分解信号固有模式函数上的性能。(3)针对心率变异性在特定条件下麻醉深度诊断中失效的问题,提出了基于HHT的血流变异性麻醉深度评价指标。血流变异性是在检测手段和分析处理方面都优于心率变异性的一项生理变化参数。当心率变异性在受到特定麻醉药物作用以及手术电刀的影响下,血流变异性可作为术中病患麻醉深度和意识程度的评价指标。基于HHT的边际谱分析,通过比较血流变异性和心率变异性的副交感神经和交感神经频谱分布变化情况,经临床数据证明,血流变异性是一个能够在心率变异性受到干扰时替代其作为诊断病人的麻醉状态的生理指标。(4)针对脑电信号的非线性特点,提出了基于脑电信号分析的样本熵和多尺度熵作为麻醉深度评价指标。近似熵和样本熵均能通过实时分析脑电信号的复杂度来判断病患的麻醉深度和意识程度,但样本熵在性能和敏感度上要优于近似熵。脑电信号的多尺度熵是衡量在不同尺度上脑电信号的复杂度的指标,但是其在实时分析过程中受到信号采样频率和数据长度的限制。因此,提出了自适应多尺度重采样熵作为术中麻醉深度评价指标,它通过自适应地改变有限数量信号的采样率来有效地细化的信号分解尺度,从而建立脑电信号在不同尺度上复杂度分布与术中麻醉深度之间的关系。(5)针对麻醉过程中体征信号分析和麻醉深度评价指标研究,使用Borland C++Builder6.0开发了具有实时采集多个体征信号并用多种方法分析病患麻醉深度的系统平台。