孤獨癥的早期發現與及時干預至關重要。本文結合小波變換和經驗模態分解（EMD）提取腦電信號（EEG）特征，比較分析孤獨癥兒童和正常兒童腦電信號的特征差異。試驗共采集了 25 例（20 例男孩，5 例女孩）5～10 歲孤獨癥兒童和 25 例 5～10 歲正常兒童的腦電信號，基于小波變換提取 C3、C4、F3、F4、F7、F8、FP1、FP2、O1、O2、P3、P4、T3、T4、T5 和 T6 的 alpha、beta、theta 和 delta 頻段的節律波，再進行 EMD 分解得到固有模態函數（IMF）特征，以支持向量機（SVM）實現孤獨癥和正常兒童腦電的分類評估。試驗結果表明，小波變換和 EMD 結合的方法可以有效地識別孤獨癥兒童和正常兒童的腦電信號特征，分類正確率達到 87%，相比文中小波結合樣本熵方法提取腦電特征分類評估的準確率高出將近 20%。所提取的四種節律波中，delta 節律（1～4 Hz）波的分類正確率最高，特別是在前額 F7 通道、左前額 FP1 通道和顳區 T6 通道其分類準確率均超過 90%，能夠較好地表達孤獨癥兒童腦電信號的特點。
音樂誘發下的情感狀態評估結果可為輔助音樂治療提供理論支持與幫助。情感狀態評估的關鍵是情感腦電的特征提取，故本文針對情感腦電特征提取算法的性能優化問題開展研究。采用 Koelstra 等提出的分析人類情緒狀態的多模態標準數據庫 DEAP，提取 8 種正負情緒代表各個腦區的 14 個通道腦電數據，基于小波分解重構 δ、θ、α、β 四種節律波；在分析比較小波特征（小波系數能量和小波熵）、近似熵和 Hurst 指數三種腦電特征情感識別效果的基礎上，提出一種基于主成分分析（PCA）融合小波特征、近似熵和 Hurst 指數的腦電特征提取算法。本算法保留累積貢獻率大于 85% 的主成分，并選擇特征根差異較大的特征參數，基于支持向量機實現情感狀態評估。結果表明，使用單一小波特征（小波系數能量和小波熵）、近似熵和 Hurst 指數特征量，情感識別的正確率均值分別是 73.15%、50.00% 和 45.54%，而改進算法識別準確率均值在 85% 左右。基于改進算法情感識別的分類準確率比傳統方法至少能提升 12%，可為情感腦電特征提取以及輔助音樂治療提供幫助。
孤獨癥譜系障礙（ASD）是一種涉及多種神經系統的復雜發育障礙性疾病，主要表現為社交溝通障礙以及刻板行為。腦電圖（EEG）測量與皮層突觸活動相關的神經電生理變化，對檢查者無損傷，已被證明是檢測神經疾病的有力工具。為深入研究低頻重復經顱磁刺激（rTMS）應用于 ASD 患者康復的作用，本文招募 32 名 ASD 被試，其中 16 名 ASD 患者作為實驗組，16 名 ASD 患者作為對照組，用頻率為 1 Hz 的 rTMS 調控實驗組，基于快速傅里葉變換提取額葉、頂葉、左顳葉、右顳葉、枕葉五個腦區的節律，用非參數估計中的 Welch 法計算四個頻段的相對功率及額葉內通道之間的相干性，并分析所有 ASD 被試干預前后靜息態腦電特征值的變化。統計實驗組干預前后的孤獨癥行為量表（ABC），計算并比較干預前后各項指標得分。結果顯示經過 rTMS 干預之后，ASD 患者右顳葉和頂葉 δ 頻段的相對功率普遍降低，額葉通道之間的相干性降低。此研究表明 rTMS 能夠改善 ASD 患者的注意力、執行能力、語言能力，減少刻板行為和過激行為。