研究大腦對不同氣味的識別能力在嗅覺功能障礙評估和診斷等方面具有重要意義。本文提出將小波能量矩(WEM)作為嗅覺誘發腦電圖(EEG)信號特征并用于氣味分類。首先,通過試驗采集 13 種氣味的嗅覺誘發 EEG 數據;其次,從嗅覺誘發 EEG 數據中提取 WEM 作為信號特征,并將功率譜密度(PSD)、近似熵、樣本熵及小波熵作為對比特征;最后,利用 k 近鄰(k-NN)、支持向量機(SVM)、隨機森林(RF)和決策樹分類器識別不同的氣味。結果表明,使用以上 4 種分類器,WEM 特征分類準確率均高于其它特征,其中 k-NN 分類器與 WEM 特征結合的分類準確率最高(91.07%)。本文進一步對不同 EEG 信號的頻帶進行了探究,發現大多數基于 γ 頻帶的分類準確率優于全頻帶及其他頻帶,其中 γ 頻帶 WEM 特征結合 k-NN 分類器的分類準確率最高(93.89%)。本文的研究結果一方面可為嗅覺功能評價提供新的客觀依據,另一方面,也可為嗅覺誘發情緒的研究提供新的思路。