事件相关电位（Event-related potential,ERP）是认知神经学科的重要研究工具之一，其常用的组分析处理方法包括时域主成分分析（principal component analysis,PCA）加Promax旋转（将不同被试数据在空间上连接起来）和空间域独立分量分析（independent component analysis,ICA）（将不同被试数据在时间上连接起来），基于信息熵最大的独立分量分析（Infomax ICA）算法往往被使用。当前，这些方法主要存在以下四个问题：⑴在ERP数据处理之前的仿真研究中，仿真数据多数仅满足数据模型的基本假设，与ERP的时域和空间域性质相差甚远；⑵对于ERP时域PCA加Promax，因为极性和方差不确定的问题，影响了实际应用；⑶小波滤波在ERP组分析的数据分解中的有效性，尚未得到研究；⑷差异波是 ERP的数据分析中常使用的方法，对组分析数据分解方法，尚未有标准来判断使用差异波顺序的合理性。　　本论文采用Dipole Simulator（V3.3.0.2）生成符合偶极子模型的脑地形图和符合ERP时域波形特性的源成分进行仿真工作，从盲分离算法原理验证时域PCA加Promax和空间域Infomax ICA等的合理性；在ERP时域PCA加Promax分解方法中，引入反投影理论，解决成分的极性和方差不确定问题，从而允许不同成分之间在电极域的比较；对于时域PCA加Promax，通过实际数据的分解和分析，验证了小波滤波对ERP数据组分析具有非常积极的意义；对于空间域Infomax ICA，提出了从数据分解稳定性的角度去分析小波滤波的有效性；提出从数据分解稳定性、提取出的成分在时间和空间上的有效性综合判断差异波和数据分解使用顺序的合理性。　　本论文将这些解决方案应用与实际ERP研究。分析结果表明：小波滤波加时间域PCA加Promax是较适用的ERP组分析数据分解的算法；当前使用的小波滤波方法对空间域ICA的组数据分解没有促进作用，对个体数据分解有促进作用；在使用差异波后，再进行ERP的时间域PCA加Promax得不到合理的结果，空间域Infomax ICA的组分析数据分解无法提取出合理的时域波形。