脑电信号(EEG)是中枢神经系统产生的生物电活动,它包含了丰富的神经系统状态和变化的信息。对大脑活动特征的正确解释、分析、处理成为目前研究的前沿。对EEG进行建模、分类和识别等研究,是进一步了解大脑的功能、认识外围神经和大脑之间的联系至关重要的一步。本文主要研究用支持向量机(SVM)对脑功能模式进行识别和分类。由于采集到的EEG信号,包含了噪声,因此在对EEG信号进行分类处理前要对信号进行消噪处理,并对信号进行特征的分析和提取,为能够更准确地对脑功能模式进行识别和分类奠定基础。本文的具体内容如下:首先,概述了支持向量机的发展现状,脑电研究的历史及其现状,支持向量机在脑功能模式的识别和分类研究中的现状;其次,介绍了脑电信号的概念,脑电信号处理的主要研究方法;第三,详细地介绍了统计学习理论和支持向量机理论;第四,为了更有效地提取脑电信号特征波,结合小波包技术,提出了一种脑电特征波提取方法。首先对脑电信号进行小波包分解,然后进行相关频段信号的重构,从而提取出特征波,并对其进行功率谱分析和能量计算。利用SVM对提取的特征向量进行训练和测试,实现对脑电信号进行模式的识别和分类,取得了不错的分类效果。