脑电信号检测和处理不仅可以为临床疾病诊断和治疗提供依据，还在人工智能的脑—机接口研究中起到举足轻重的作用。近年来，睡眠质量成为影响人类健康的隐形杀手，越来越多的人受到失眠等睡眠障碍的困扰。睡眠质量评估以及睡眠类疾病诊断成为研究热点。 本文的研究内容为基于独立分量算法的脑电信号特征提取以及基于神经网络的睡眠分期处理方法研究。首先，论文叙述了脑电信号的形成机理、生理特点、检测方法和多导睡眠检测原理，为后面的脑电信号特征提取以及睡眠分期研究打下基础；其次，讨论了脑电信号现代处理的各种方法，重点讨论了时频分析中的小波变换理论在脑电信号消噪、特征提取中的应用，独立分量、神经网络和非线性动力学在脑电信号处理中的应用；然后，利用独立分量的固定点算法和受时域信息约束的独立分量算法进行脑电信号的特征提取；随后，根据多导睡眠图提取17个参数作为睡眠分期的标准，并利用改进的BP算法构建网络进行睡眠分期。仿真结果表明利用固定点算法提取脑电特征，效果良好；受时域信息约束的独立分量算法不需要先验专家知识，提取脑电信号特征良好；改进的BP算法消除了网络训练受样本次序影响的缺陷，使得总睡眠分期准确率达到79.2％；最后，论文对脑电信号处理以及睡眠分期的研究趋势加以探讨。