در این پایان نامه دسته بندی سیگنال های مغزی به منظور تشخیص بیماری صرع با بهره گرفتن از ویژگی های زمان-فرکانس انجام شده است. صفحات زمان-فرکانس همزمان اطلاعات فرکانس و زمانی را در بر دارند و از این رو نسبت به پردازش های صرفاً زمانی و یا صرفاً فرکانسی دارای امتیازاتی هستند، هر چند که از ایراداتی مانند مولفه های مزاحم ویا اصل عدم قطعیت هایزنبرگ رنج می برند. این پایان نامه چند صفحه ی زمان-فرکانس را معرفی می کند و به بررسی ویژگی ها، امتیاز ها و ایرادات آنها پرداخته است. کارهای انجام شده در این زمینه مطالعه و با بررسی آنها تلاش بر ارائه روشی برای بهبود در تشخیص بیماری صرع انجام شده است. در این پایان نامه از ترکیب تبدیل فوریه جامع و توزیع ویگنر-ویل، تغییر معیار همبستگی لحظه ای (که معیار کلاس کهن است)، کپستروم سیگنال و هم چنین کاهش مولفه های تداخلی برای بهبود صفحات زمام-فرکانس و همچنین بهبود دسته بندی استفاده شده است. برای دسته بندی از دو روش knn و شبکه های عصبی استفاده شده است. ننایج در فصل آخر نمایش و با نتایج کارهای قبلی مقایسه شده است.