抑郁症是一种常见且严重的情绪障碍疾病,它能使人的感觉、思维和日常活动受负面情绪影响,更甚者会导致自杀。抑郁症临床表现多样、发病机制复杂,在抑郁症的研究中,脑磁图凭借着较高的时间和空间分辨率受到广泛的关注。大脑活动是典型的非线性复杂系统,对脑磁图信号的非线性动力学特征的研究具有重要的意义。本文对抑郁症患者和健康受试者情绪图片刺激的脑磁图数据,分别利用多尺度排列熵、符号转移熵以及信号分频段分解与排列熵相结合的方法进行了以下三方面的研究。第一,在对脑磁图多尺度排列熵的复杂度分析中,对尺度因子、嵌入维数等参数对实验的影响进行了详细的分析并且对各通道下的抑郁症患者和健康受试者的多尺度排列熵进行了分析。结果表明,尺度因子为8,嵌入维数为4时,有最佳的分析结果,且正常人的各通道的多尺度排列熵明显大于抑郁症患者,在额区尤为显著。第二,结合基本尺度符号化和转移熵,用符号转移熵算法在对脑磁图左右对称通道的分析中,额区对称通道的耦合信息能够更好地区分两类受试者。另外,在同一脑区的非对称通道的分析中,右额区能够更好地区分抑郁症患者和健康受试者,而且抑郁症患者较之正常人表现出了更低的转移熵熵值。第三,使用多尺度排列熵分析脑磁图信号按频域分解并分析其复杂度。由于不同频域包含的信息不同,分析结果表明抑郁症患者脑磁图在信号低频部分有较低的复杂度,而高频部分却表现出较高的排列熵熵值。结合在多尺度排列熵和符号转移熵的分析中发现抑郁症患者受不同情绪刺激的影响较大,尤其是在负性情绪刺激下比正性情绪刺激下表现出更低的复杂度。通过数据在额区以及不同情绪刺激下的研究,可以较好地区分出抑郁症患者以及正常人,从而为临床诊断提供一定的参考价值。