本文主要运用了非线性动力学中的维度复杂性的分析方法对脑电信号进行分析和研究,其中包括非线性动力学中的关联维在脑电(electroencephalogram, EEG)信号中的研究和应用,心算事件和情绪变化的维度复杂性的分析。本文研究了情感变化中脑电图的维度复杂性。用Grassberger-Procaccia关联维算法(以下简称G-P算法)计算出关联维值从而得出维度复杂性的变化。通过对20名健康成年男性进行听觉诱发实验,观察不同情绪变化的关联维值,对。波进行分析,发现人在听不愉快音乐时比听愉快音乐时的关联维数的值高,即听噪音时维度复杂性比听音乐时的维度复杂性更明显。在听不愉快音乐时左脑的关联维数值小于对应的右脑的关联维数值,而在听愉快音乐时恰好相反,左脑的关联维数值大于对应的右脑的关联维数值,这说明在听不愉快音乐时,右脑的维度复杂性更明显,在听愉快音乐时,左脑的维度复杂性更明显。而在进行心算实验时,人在间隔时间是3秒时比间隔时间是2秒时的关联维数的值高,即在间隔时间是3秒时维度复杂性比间隔时间是2秒时的维度复杂性更明显。在时间间隔是3秒时左脑的关联维数值大于对应的右脑的关联维数值,而在时间间隔是2秒时恰好相反,左脑的关联维数值小于对应的右脑的关联维数值,这说明在时间间隔是2秒时,右脑的维度复杂性更明显,在时间间隔是3秒时,左脑的维度复杂性更明显。对情绪事件EEG信号进行分析和处理,通过θ波的研究,发现人在听不愉快的音乐和愉快的音乐时以及心算时关联维数的值有明显的不同。在这两种状态下,维度复杂性有明显的区别。