大脑是人体结构中最复杂和最精密的器官,负责了语言、运动、声乐、分析、抽象思维、空间想象等功能,包含了丰富的生物电信息。脑电信号处理在医学研究、医学临床和基础医学等领域均有着十分重要的地位。目前,高密度脑电信号在人脑活动分布特性的研究方面有较多的应用。然而,高密度脑电信号的处理仍有两大难点,一是信号中冗余信息较多,二是特征参数的提取较为困难。针对上述问题,本文从脑电信号的预处理和特征提取两个方面入手进行研究,设计出了有效的预处理方法和特征提取方法,以期去除高密度脑电信号中因传导而导致的共模冗余成分,并提取出反映不同脑电状态的特征参数。本文主要研究的内容如下:首先,进行了脑电相关理论知识的研究,介绍了当前脑电信号的研究背景和面临的问题,简述了当前脑电信号处理中主要的预处理方法和特征提取方法的研究现状。然后,提出了一种基于快速独立成分分析的高密度脑电预处理方法,采用“峰度系数法”去除信号中的噪声成分,采用“聚类法”和“矢量角方法”去除信号中的电参考成分,实现了快速有效的去冗余过程。随后,采用功率谱分析方法和相干分析方法,对预处理前后脑电信号及不同状态下的脑电信号进行处理和分析。既证明了本文提出的预处理方法的有效性,又为下一步的特征提取过程打下良好的基础。接着,将等概率符号化过程与两种熵值分析方法相结合,对不同状态脑电信号的进行特征提取,得到了 一种能够较好的区分不同状态脑电的特征参数。最后,采用稀疏编码方法对不同状态运动想象信号进行特征识别,在分节率功率的基础上加上等概率符号化Walsh熵值作为特征,并采用分监督学习方法对不同运动想象状态脑电信号实现了精度在60%-70%的分类。