脑电信号的研究是目前生命科学研究的热点之一。脑电图是诊断临床中枢神经性疾病的重要依据，它能帮助医护人员在一定程度上判断病情。脑电信号的检测与处理有十分严格的要求。一方面，在检测脑电信号时要尽量避免干扰，以便能够及时有效地得到精确的脑电信号；另一方面，在处理脑电信号时，最重要的是恢复原始的脑电信号，这就要求仪器系统具备很强的信号去噪和信号重构功能。 脑电信号去噪与重构方面的研究进展迅速，目前独立分量分析(ICA)方法，在生物医学信号处理领域得到广泛应用。其基本目标是寻找线性变换矩阵，将观测的多维混合信号进行分离，分离后的输出信号各分量之间尽可能统计独立。但对分离出的噪声分量如何识别还缺乏研究。已有研究表明：不同的生物医学信号具有不同的赫斯特(Hurst)指数分布。目前脑电图形成的确切机制尚有待进一步揭示，采用改进的信号采集、噪声处理和信号分析，对提高脑电图在疾病诊断中的作用，具有重要的理论和实用价值。 本课题研究分为两部分：第一部分为采集系统硬件平台的搭建，以及相应部分的软件设计；第二部分是脑电信号内部噪声的删除与重构。 采集系统的硬件设计又分模拟部分和采集部分。模拟部分包括放大、带通滤波、线性隔离等；采集部分采用DSP器件，完成多通道的A/D转换、串行通信以及相应部分的软件设计等。该系统具有抗干扰能力强、功耗低、体积小、性价比高等特性，适应了目前仪器便携化的发展趋势。 针对脑电信号内部噪声处理，本研究提出一种简化的ICA算法与赫斯特指数检测法相结合的方法，并将其应用于脑电信号内部噪声的删除与重构。通过对脑电信号(EEG)的仿真实验，表明了其有效性和可行性，并为临床诊断提供了实用价值。