作为调节支配人类各种生命活动的系统,神经系统无论在驱动行为,感知外界,还是反映人的机能状态等各方面都扮演着极其重要的角色。通过对神经系统的检测,我们可以从中获取许多关于人体自身机理,人体内部活动状态等等无法由主观描述或者其他检测方法得到的信息。而脑电作为大脑自身特有的产物,在脑科学与神经信息学中拥有十分重要的地位。其高时间分辨率,低成本,易操作,以及无损的特性得到了广大研究机构与研究人员的青睐。而当我们获得有效脑电信号数据之后,需要通过相关算法,提取出脑电信号中与特定研究相关的特征量,并对其进行进一步的识别归类,从而得出分析结果,这一过程在脑电信号分析中至关重要。本文一方面以基于希尔伯特黄变换的特征提取方法为基础,通过模板匹配对我们通过实验建立的睡眠数据库中的睡眠脑电数据进行了全面研究,实现了对一款促睡眠医疗仪器的效果评估,这是脑电在工程领域的新鲜尝试,与此同时,也阐述了脑电信号的特征提取与分类方法的过程；基于此,我们还利用功率谱密度的特征分析方法提出了一种新的睡眠程度评估体系,克服了原方法中的一些缺陷。另一方面,本文通过自制的高密度电极阵列采集到了相比传统脑电数据拥有更大空间分辨率的高密度脑电信号,并通过一种源自皮层脑电的特征段提取手段与BP神经网络分类,实现了对施加于右手不同手指机械刺激的感知模式识别。这一方法在一定程度上克服了脑电信号空间分辨率低下的缺点,实现了脑电信号在局部区域的高精度分辨的同时,从另一方面介绍了脑电信号特征提取分类的过程,可以说是将头皮脑电的便捷性与皮层脑电的高空间分辨率相结合的创新性尝试。