癫痫是一种常见的神经系统疾病,通常通过脑电图(EEG)信号来检测。目视检查和解释脑电图是一个缓慢、耗时的过程,容易出现错误和主观变化。提出一种离散小波变换(DWT)和自编码器(AE)耦合的信号异常检测方法来区分癫痫发作信号和正常(无癫痫发作)信号。首先,使用小波变换将脑电信号分解为近似和细节系数,并根据阈值准则剔除不显著系数,从而限制小波系数的数量。其次,采用自编码器对DWT系数进行编码。最后,对脑电信号进行分析以检测异常值,通过压缩特征集进行数据重构,使用神经网络分类器从无癫痫信号中检测癫痫活动。使用波恩大学数据库,将该方法与以往方法的结果进行比较和验证。该方法使用线性和非线性机器学习分类器,从EEG数据中检测癫痫发作活动,取得了较好的分类性能(99.93%的准确率,100%的特异性)。因此,此方法可以被认为是鲁棒的,具有较好的检测能力,可以用简单的线性分类器区分癫痫发作活动、无癫痫发作活动和正常的脑电图活动。该方法适用于时间序列信号分析,同时检测并判断异常。癫痫脑电信号异常检测方法可以为癫痫的诊断、治疗和评估提供客观参考,从而减轻医生的工作量,提高治疗效率,具有重要的理论意义和实际应用价值。