当病人有脑部疾病或其它神经系统疾病时,医生往往会借助脑电图检查来作为诊断依据。脑电图可以准确的反映很多脑部疾病,尤其对于癫痫,诊断更加准确。脑部疾病患者的脑电波中含有很多异常波形,这些异常波形主要由棘波、棘慢复合波、尖波、尖慢复合波等构成。早期临床上的脑电图检查主要是靠人工来读取识别脑电中的异常波形,这种方法非常费时费力,并且由于伪迹的干扰,脑电图医师判别有时也不尽相同。因此实现脑电图的自动检测有重要的实用价值。至今为止已经出现并应用的脑电自动检测方法有专家系统法、模拟法、独立分量分析法、人工神经网络法、小波分析法等。为了弥补单一方法效果不好的缺点,更好的提高对脑电信号的处理能力,本文把数字信号处理、小波分析、遗传算法和神经网络等方法结合起来应用到脑电信号处理中。首先,研究了数字信号处理技术,并深入研究了自适应滤波器和变步长算法。针对工频伪迹的特点,设计出变步长自适应滤波器过滤工频干扰。其次,研究了小波分解技术,利用小波分解把已过滤工频伪迹的脑电信号分解到不同尺度中,针对不同伪迹的特点研究设计相应的算法滤除伪迹。最后,深入研究了神经网络和遗传算法,基于不同尺度下异常波和伪迹不会完全相同的原理,把分解后的脑电信号输入神经网络进行识别。针对神经网络的不足,设计了遗传算法对神经网络的学习过程进行优化。最终经过测试,本系统能够较准确的识别出脑电图中异常特征波,识别率达到87.2%。