相空间重构是非线性时间序列分析中的关键技术，主要用于揭示复杂系统的动力学特性。传统方法如延迟坐标法虽然广泛应用，但在高噪声或非平稳数据条件下存在局限性。本研究提出一种新的相空间重构方法，通过结合自适应参数选择与非线性降维技术，优化重构过程中的嵌入维数与时间延迟。新方法利用改进的邻域搜索算法与信息熵准则，有效提升了重构质量与计算效率。实验结果表明，该方法在Lorenz系统和实际EEG信号分析中，相比传统方法具有更高的轨迹保持精度和噪声鲁棒性，为复杂系统建模与预测提供了更可靠的分析工具。