视觉诱发电位(VEP)是大脑皮层对视觉刺激发生反应的一簇电信号电位。从临床诊断的角度来看,通过VEP的少次提取,可反映出受检者视觉通路的完整性,在神经生理学研究以及临床诊断、麻醉、手术监护等方面有着重要的意义,对VEP进行少次提取成为人们关注的研究目标,目前已经提出了许多方法来解决VEP提取问题。独立分量分析(ICA)方法是最近几年发展起来的一种新的统计方法。ICA是基于信号高阶统计量的一种信号处理方法,其基本含义是将多道观测信号按统计独立的原则通过优化算法分解为若干独立成份,其前提条件是各个源信号为彼此统计独立的非高斯信号。本文首先对VEP提取的研究现状进行了论述,然后将研究重点集中到将ICA技术应用到VEP的提取问题上。在分析了ICA的基本原理,以及统计学理论、信息论理论等相关知识的基础上,深入探讨了独立分量分析几种基本算法,特别是基于信息论的独立分量分析和基于统计学峭度的独立分量分析两大类算法。重点对FastICA算法进行研究,根据独立分量分析的理论以及数学基础,指出了牛顿迭代法在独立分量分析迭代过程中的不足,并提出了自己解决的办法:有限的应用简化牛顿法来减少计算量;附加限制条件来保证函数的收敛。应用本文提出的改进算法,进行了模拟试验,试验结果表明在分离结果相当的基础上,改进算法能效减少了迭代次数,验证了改进算法的可行性。在本文的最后,对全文进行了总结,并指出今后的研究方向。