近年来，随着人类社会现代化程度和文明程度的日益提高，世界各国的脑疾病发病率也呈显著的上升趋势，世界卫生组织(WHO)已经将精神保健列为重要的工作内容之一。但是精神疾病的症状和病程多种多样，病因复杂，常常给医生的诊断带来困难，影响了及时准确的治疗。因此，对脑电信号建立客观的评价标准，进行准确的定量分析具有重要的意义，成为人们的研究热点之一。脑电(Electroencephalogram，EEG)作为与人类大脑最具直接联系的一种外在表现形式，是临床诊断的重要手段之一。但是由于以往分析手段的局限性，使得研究结果缺乏普遍适应性而无法在临床应用中得到很好的发挥，逐渐被临床医师所冷淡。近年来，脑电已被证明是典型的非线性和非平稳的混沌时间序列，因此采用非线性和非平稳的方法分析其动力学特性具有十分重要的意义。 本文首先介绍了符号动力学的基础知识，然后从信息论的角度出发，提出了用符号熵来研究非平稳信号的复杂性。为了描述信号的复杂性随时间的动态变化情况，我们引入了“滑动窗口”技术，得到熵的时间演化图，从而有效地“捕获”了信号中的瞬态奇异变化。在脑电信号的非线性动力学研究中，主要对正常脑电和癫痫病人脑电进行了分析，其中包括Lyapunov指数分析、相关维数、非线性检测和符号熵分析。众所周知，大脑是一个时变的耦合混沌神经系统，各种功能的实现都伴随着大脑皮层上的信息传输和交换。因此从信息学的角度，本文提出用互符号熵(cross symbolic entropy)来研究大脑不同区域之间的模式相似性和信息交换情况，为脑电分析提供了新的方法。此外，我们还对视觉诱发电位进行了研究，并进行了相关的实验。 本论文的研究结果表明：符号动力学分析是脑电分析的一个新的研究方向，符号熵可以较好地反映信号的复杂性程度，具有简单、稳定的特点。特别是时变的滑动窗口符号熵较好地反映了系统内部各个部分随时间演绎而呈现不同的复杂性，有效地捕获信号中的瞬态奇异成分，更准确地刻画了系统的信息。因此，利用符号动力学对脑电信号的本质特征进行分析，对于我们理解大脑的高级神经功能的电生理基础具有重要的意义。