目的：脑电图（EEG）是癫痫诊断和疗效评估的金标准之一，临床中脑电图通过人工识图的方法来分析，效率较低，同时也受到识图者自身水平的影响，寻求脑电图新的分析方法显得尤为必要。小波分析是目前国际上公认的时频分析工具，在时间、频率域上具有良好的特性，被称为“数学显微镜”，在波形分析领域得到了广泛应用。Matlab是与Mathematica、Maple并称为三大数学软件的软件系统，在科学计算领域得到了世界的公认，在数据分析领域广泛使用。本实验期望寻找一种计算机辅助分析脑电信号的新方法。方法：本文基于Matlab软件，运用小波分析的方法对癫痫患者EEG信号进行量化分析，在软件中编程，套用小波能量、小波方差、小波熵的函数，可以得到各目标导联小波分解后β、α、θ、δ四种波形的小波能量、小波方差、小波熵的值，利用统计学软件对各数值进行分析；利用软件特性建模，尝试对失神发作的波形进行识别；建模对发作前期、发作期脑电信号的能量变化进行分析。结果：1.双侧半球小波熵、小波方差、小波能量指标的分析，失神发作的过程中大脑两侧的电生理活动具有一致性。2.发作期与发作间期、发作前期相比β、α、θ、δ四种基本波形的小波方差均显著增加。3.发作过程中小波熵的比较显示，失神发作中脑电的产生源于同步化的电生理过程。4.利用发作期小波能量与背景能量的显著差异，建立了失神识别的模型，证明通过能量差异可以对癫痫的发作有效识别。5.失神发作前，各基本波形小波能量没有恒定的变化趋势。结论：实验揭示了失神发作过程中数学特征的变化，为了深层次的解释其癫痫症状的内在特性和原因提供了客观依据。同时利用这些特征性变化建立了失神发作的自动识别波形，对多组癫痫失神发作的脑电信号成功识别，为临床脑电自动化分析提供一种新的方法，具有较好的实用价值和社会效益。