该文以脑电信号的消噪和特征提取为目标,对独立分量分析理论、算法及应用进行了较深入的研究,成果和创新点如下:1.介绍并讨论了信息极大传输原理的基本思想.在此基础上,对基于信息极大原理的Infomax盲源分离算法进行研究.通过模拟实验和结果分析,分别对传统Infomax和扩展Infomax算法的盲源分离性能进行了分析验证和比较.所得结果对Infomax算法的改进和实际应用将具有一定的指导意义.2.在对扩展Infomax算法的研究过程中,采用非线性切换矩阵的动态分析法,直观地揭示了扩展Infomax算法的收敛过程.在此基础上,探讨了高斯源和随机大样本(或随机脉冲干扰)对Infomax算法收敛性能的影响.所得结论是对现有Infomax理论算法的补充.3.提出了结合中值滤波消噪技术对概率模型切换矩阵进行估计的新思想.实验结果表明,该方法能有效地解决随机大样本所造成的算法不稳定问题.4.对扩展Infomax算法的在线实现技术进行了研究,提出了一种在线Infomax算法,并对在线算法的盲源分离性能进行了验证.模拟实验结果表明,该文所提出的在线Infomax算法能较好地跟踪时变混合系统的参数变化,盲源分离效果良好.5.探讨了独立分量提取的非高斯性极大理论.对非高斯性度量方法、独立分量提取算法和算法性能分析等问题进行了较全面细致的研究.内容包括: 1)基于峭度和负熵的非高斯性度量方法及比较; 2)独立分量提取的梯度算法和固定点算法的实现和比较.6.对独立分量分析在脑电消噪和特征增强方面进行了研究.内容包括: 1)对基于噪声参考源的ICA脑电消噪方法进行了研究,并与传统的LMS自适应滤波算法进行了比较; 2)提出了一种基于ICA的脑电工频干扰消除新方法,实验结果证明了该方法的有效性; 3)对小波和ICA结合方法用于脑电特征增强进行了探讨,为ICA与时频分析的结合提供了新的思路; 4)探讨了ICA用于思维脑电特征提取的可行性,取得了初步的研究结果,这是一项具有新意的研究工作.该文工作对于推进独立分量分析理论和算法研究,促进其在脑电信号分析中的应用将起积极作用,部分研究成果可推广到其他类型信号的分析和处理中.