麻醉深度的准确监测是手术成功进行的重要保障之一。随着老龄化时代的到来,老年人手术的数量越来越多。然而,由于脑退化的影响,老年人的脑功能和成年人有着明显的差异,现有监测仪器对老年人麻醉深度判断不准的情况愈发凸显,老年麻醉存在着极大的风险。因此,本文深入的研究了麻醉过程中从成年到老年人的脑电年龄依赖性特征,发展新的方法,为麻醉脑状态监测提供新的技术手段。首先,我们在天津医科大学第二医院住院处的手术室采集124名均匀分布在30-90岁之间的患者在丙泊酚麻醉下的额叶双通道脑电信号作为实验样本。针对脑电信号,采用陷波器、小波变换以及带通滤波等方法去除工频干扰、基线漂移和肌电等噪声。通过时频谱图和功率谱计算了清醒、麻醉以及恢复三个时期的年龄差异。结果显示,除恢复期,老人组的gamma频段能量更高之外,其他频段以及全频段脑电信号的能量皆是老人组更低,且年龄越高,脑电能量越低。而alpha频段相对功率的结果表明,老人组在清醒期时该指标的数值更高,在麻醉与恢复期则低于成人组,三个时期下差值分别为0.0023、0.039和0.045。其次,本文从脑电振荡耦合的角度,采用相干性和小波相干性分别对两组样本进行对比分析,由于已有研究表明alpha频段的相干性对意识判断有显著效果,所以本文着重计算该频段。实验结果显示两条额叶通道脑电信号间有显著的耦合特性变化,其中麻醉期以及恢复期更为明显。然后,本文从脑电信号的非线性角度分析了脑电特征的年龄依赖性问题。在排序熵的基础上,本文提出了新的非线性熵方法来进行年龄依赖性分析:增强排序熵和分散熵。结果表明,三种熵值都表现为老人组在清醒期与恢复期拥有更高的熵值,而在麻醉期的熵值则低于成人组。之后,本文采用了递归方法研究了不同年龄麻醉的年龄依赖性特性。量化分析结果表明顺序模式层流性在能明确区分麻醉状态的前提下并无显著的年龄依赖性,所以该指标可以很好的表征不同年龄人群的麻醉深度指标。最终本文以上述脑电特征为训练样本,在最小二乘向量机方法的基础上结合堆栈降噪自动编码器训练麻醉患者的脑电特征进行指标拟合。其中,堆栈式自动编码器可以提升信号的鲁棒性并充分利用有效信息,而最小二乘支持向量机有着比传统支持向量机更好的泛化能力和非线性处理能力。结果表明,通过该模型获得的指标有比基础方法更好的BIS拟合程度,而且可以准确区分清醒、麻醉与恢复状态。