生物医学信号分析在医学的研究中一直具有较高的地位,计算机和数字信号处理技术的快速发展也为生物医学信号分析应用提供了技术上的可行性。数字信号处理方向的发展进步与医学信号方面的革新往往息息相关。两者一道促进生物医学信号在特征抽象、测量和病理应用等方面产生新的发展。生物医学信号的发展也让人类在医学层次上认识和了解自己的身体。生物电信号间的因果关系能够反映出生理网络中的联系。为了降低生理网络研究的复杂性,本文采用非线性格兰杰因果算法来计算生理信号间的因果关系系数,从而推断生理网络间的因果影响。工作内容归纳如下:一、本文基于核方法将格兰杰因果关系扩展到非线性空间,并用于分析癫痫脑电和心电信号之间的因果关系。目前在分析信号因果关系的主流方法便是由格兰杰提出的,在非线性的生理信号方面,格兰杰因果理论难以继续适用。为了促进生理信号间因果关系的进一步研究,本文采用利用模式分析中的核方法,将格兰杰因果关系扩展到非线性空间,并对癫痫脑电和心电的因果关系进行分析。通过比较样本脑电和心电之间的因果关系系数,发现脑电对心电有较为显著的因果影响,相对于正常人,癫痫患者脑电对心电的影响较弱。二、本文基于非线性格兰杰因果理论对睡眠生理信号进行了因果分析。本文分别选取了睡眠期和清醒期的脑电、心电和血压信号,采用非线性格兰杰因果关系算法来分析三种信号之间的因果影响。通过对比样本睡眠期和清醒期三种信号之间的因果关系系数,发现脑电对心电有显著的因果影响,脑电对血压有显著的因果影响,心电对血压有显著的因果影响。睡眠阶段这种因果影响显著程度更为明显,从而说明人在睡眠时期的生理信号更准确的反映了生理特性。三、本文基于模糊化核函数实现非线性格兰杰因果关系算法,并使用这种算法对癫痫样本脑电和心电因果影响做了分析。分别利用高斯核函数、sigmoid核函数以及相对应的模糊化核函数,使用非线性格兰杰因果算法来分析癫痫脑电和心电,研究结果表明,使用四种核函数均可以较为显著的区分脑电和心电的因果关系。相对于普通核函数,使用模糊化算法可以较为显著的节约仿真时间。此外,由于sigmoid函数是有条件的核函数,因而模糊化高斯核函数具有更好的普适性。