摘要：针对现有癫痫脑电（EEG）识别算法分类模式单一、普适性不强的问题，提出了一种新的基于双密度离散小波变换（DD-DWT）和Log-Logistic参数回归（LLPR）的脑电信号自动识别方法。不仅利用了DD．DWT算法的分解特性，还建立了脑电信号的LLPR模型，并将二者有机的结合，从而更好的发挥算法的优势。滤波后脑电信号由DD-DWT进行6层分解，提取各子频带系数的小波域能量波形，并结合LLPR模型计算尺度参数α和形状参数β以表征信号，将构成的特征向量送入遗传算法（GA）优化的支持向量机（SVM）得出识别结果，从而实现脑电信号的自动识别。所提方法在处理A＼D＼E与AB＼CD＼E两种多模式脑电分类问题时，识别率分别为98．90％和97．75％。实验结果表明，所提算法更符合实际应用需求，可以较好地解决多类脑电信号识别问题，具有良好的普适能力和分类性能。

关键词：癫痫 脑电 双密度离散小波变换 

单位：吉林大学通信工程学院; 长春130012