诱发电位(EP)信号为神经科学的理论研究与临床应用提供许多重要信息,它反映了相应的感觉通路及大脑皮层区域的神经电活动。深入地分析研究EP信号,对于研究大脑活动规律及其信息处理机制、发展神经电生理学理论与应用、临床诊断评价神经系统的功能以及临床术中监控等均具有重要意义。EP信号通常深深地湮没在自发脑电(EEG)信号之中。因此,从强EEG背景噪声中有效地提取出EP信号一直是生物医学信号处理领域研究的重要问题之一。目前在临床中广泛应用的相干平均法存在丢失EP信号细节以及因神经系统疲劳而导致较大测量误差等不足。基于此问题,对EP信号快速提取方法的研究成为近年来的一个研究热点与难点。所谓快速提取主要相对于相干平均法而言,是指对EP信号的少次提取、单次提取以及动态跟踪等。本文主要研究在单通道条件下对EP信号的快速提取算法,研究成果可以归纳如下：(1)深入研究了基于稀疏表示模型的单通道EP信号少次提取问题,提出了基于混合训练字典的稀疏表示方法与基于联合稀疏表示的方法用于单通道EP信号的少次提取。针对已有混合字典稀疏表示中使用通用过完备字典造成的对信号成分的错误划分问题,首先根据EP与EEG信号的不同特点提出了基于混合训练字典的稀疏表示方法,通过使用其他少次观测数据设计模板信号并训练分别与EP和EEG信号相适应的过完备字典,该方法有效地减少了使用混合字典稀疏表示过程中的错分问题。然后提出基于联合稀疏表示的EP信号少次提取方法,利用EP信号的准周期性,同时使用少次相邻观测信号进行联合稀疏表示,可以在较低的信噪比情况下更有效地提取EP信号。(2)深入研究了基于时间自相关函数的单通道EP信号单次提取问题,提出了两种基于源信号时间自相关函数的波形估计方法并用于单通道EP信号的单次提取。利用时间自相关函数带来的信息,首先提出一种以源信号时间自相关函数作约束的波形估计方法,它利用源信号的时间自相关函数构造非线性方程组,并借助大规模方程组的数值解法,把从信噪比较低的观测数据中直接估计源信号这一较困难的问题,转化成分别估计迭代初始值与源信号时间自相关函数的问题。然后针对当源信号时间自相关函数估计精度较低时,该方法需要较多计算时间的不足,又提出了基于时间自相关函数最优化的波形估计方法。该方法能够在估计精度与计算速度之间较好地取得平衡,更加适用于对计算效率要求较高的应用。将以上两种方法应用于单通道EP信号的单次提取问题,取得了较好的效果。(3)深入研究了脉冲噪声环境下基于径向基函数神经网络模型的单通道EP信号自适应估计问题,提出了三种韧性单通道EP信号自适应估计方法。当临床应用中EP信号的背景噪声呈现非高斯脉冲特性时,更加适合使用α稳定分布来描述。针对基于最小平均p范数准则的EP信号自适应估计方法无法在α值动态变化时较好工作的不足,首先提出了基于最小平均绝对偏差准则的韧性单通道EP信号自适应估计方法,它可以在α值动态变化的情况下较好地工作。但该方法使用的二值化变换完全丢失了误差信号的幅度信息,导致其无法在估计精度与收敛速度之间很好地平衡。针对该不足,又提出了基于非线性Sigmoid变换的韧性单通道EP信号自适应估计方法,可以应用于α值动态变化的情况,并可以较好地保留误差信号的幅度信息,具有较好的估计精度与收敛速度。最后提出一种基于最大相关熵准则的韧性单通道EP信号自适应估计方法,通过选取适当的核长参数,它可以较好地工作在α值动态变化的情况下。将以上算法应用于单通道EP信号的韧性自适应估计,均取得较好的估计结果。