脑电(Electroencephalogh，EEG)是通过电极纪录下来的脑细胞群的自发性、节律性电活动。对脑电信号的研究可以了解脑活动机制和人的认知过程，是诊断脑疾患的重要手段，也是实现人与外界通讯的新途径。 目前，在脑电信号处理领域中，独立元分析方法已被运用于多通道脑电数据的盲源分离中。该方法有利于揭示和增强脑电信号中的隐含特征，在分离脑电伪迹和特征提取等方面具有独特的效果。 基于人脑结构和功能的复杂性，人们意识到脑的活动可能是一种混沌状态，从非线性动力学的角度，大脑可以看成一个连续自组织的非线性复杂系统。而复杂度能反映动力学系统的规则程度，揭示脑电信号的某些特征，如对研究癫痫发作具有重要的意义。 本文基于独立元分析和复杂度的方法，对脑电信号处理中的热点问题，如脑电伪迹的自动去除、基于脑电信号的意识任务分类和癫痫发作预测，进行了大量研究。 首先，论文提出了一种新的脑电信号伪迹自动去除方法。该方法对脑电信号进行独立元分析，分离出各种伪迹成分和脑电信号基本节律，并在此基础上，运用非线性指数分析方法对各种伪迹成分和脑电信号基本节律进行自动识别。对真实脑电信号的处理实验结果表明，该方法可以有效识别并去除多种伪迹成分，同时提取脑电信号的基本节律，如α波等。 其次，给出伪迹自动去除方法在基于脑电信号的意识任务分类中的应用实例，作为脑电信号的预处理环节。通过对真实脑电信号的分析和处理，验证了该方法对于脑电信号的后续研究和处理有着重要的意义。 最后，提出了基于二阶C<,0>复杂度的癫痫发作预测算法。文中通过对癫痫患者发作前期的颅内脑电信号的二阶C<,0>复杂度的分析，可自动预测癫痫发作。将该算法运用在癫痫病人和患有癫痫症的大鼠脑电数据中，实验结果表明该算法可以有效地预测癫痫发作，具有潜在的重要临床应用价值。