腦電圖（EEG）分析對癲癇疾病的診斷具有重要的參考價值，對癲癇腦電信號的自動分類可以及時對患者的情況作出判斷，在臨床上有很重要的意義。為解決腦電信號采用單一特征識別率不高的問題，同時也為避免小波基函數的選取對分類結果的影響，本文提出了一種基于 S 變換和排列熵（PE）的癲癇腦電信號自動判別方法，首先將原始腦電信號進行離散 S 變換，再對變換后腦電信號各節律的系數分別求其波動指數，并與腦電信號的排列熵值共同組成特征向量送入 Real AdaBoost 分類器進行癲癇各時期的判別。本研究采用德國波恩大學癲癇研究中心數據庫，對正常人清醒睜眼，癲癇患者發病間歇期致癇灶內及發作期 3 組腦電信號數據進行方法有效性檢驗。研究結果表明，各節律的波動指數可有效表征正常、癲癇發作間期和癲癇發作期腦電信號，且多種特征的識別率明顯優于單一特征，平均識別率可達到 98.13%，相比于僅提取時頻特征或非線性特征，識別率分別提高了 1.2% 和 8.1% 以上，優于文獻中報道的多種方法。因此，本方法在癲癇疾病的診斷方面有較好的應用前景。