脑电图(electroencephalogram，EEG)是脑神经细胞的电生理活动在大脑皮层的总体反映，包含大量的生理信息。脑电信号的提取与处理为医生提供临床诊断依据，并为一些脑疾病提供了有效的治疗手段。注意缺陷障碍（attention deficit disorder，ADD）是常见的处于生理病变与心理疾患重叠区的身心疾病，多发于6~16岁的青少年。基于脑电反馈的注意缺陷障碍矫治系统的研究是近年来的热门方向，如何快速的进行注意力相关脑电的分类是该系统研究的关键，也是本文的研究的主要问题。首先，设计了注意力脑电信号采集实验，在相对安静的实验室内完成了14名受试者的脑电数据的采集和存储工作。然后，分别用小波分析、经验模式分解、局域均值分解方法对脑电信号进行预处理，在Matlab环境下编程实现了上述算法，并对部分程序进行了改进和参数优化，其中小波分析中采用db4小波对原始脑电信号进行8层分解，提取了δ、θ、α、β波四种脑电节律的能量作为特征量，经验模式分解中提取前4个IMF分量的能量、局域均值分解中提取前4个PF分量的能量作为特征量，得到三种算法下的特征向量矩阵。最后，结合支持向量机理论，在核函数选取并进行参数寻优之后，将三个特征向量矩阵分别作为支持向量机的输入向量，支持向量机的输出即为不同类别的分类准确率，这样分别得到三种方法的分类准确率，并对结果进行了对比与分析。结果表明，三种特征提取方法在注意力脑电分类中均取得了较好的效果，分类正确率依次为小波分析91.43%，经验模式分解89.29%，局域均值分解90%。