脑电是一种特殊的生物电活动，反映了大脑的功能状态，分为自发脑电(EEG)和诱发电位(EP)两种。头皮上采集的脑电可以看作是大脑内的电活动在头皮上的电位分布，以及人体其它器官组织产生的生物电活动(包括心电，眼电和肌电等)和各种外界因素引起的干扰信号。这些脑外来源的干扰信号称之为伪差。脑电信号分析的任务之一就是去除脑电中的伪差，分离出纯净的脑电，以便应用于临床诊断和脑认知科学研究。诱发电位是神经系统接受内外刺激所产生的特定电活动。通过诱发电位的检测可以诊断和分析神经系统的病变和损伤。脑电信号分析的任务之二就是如何从强背景自发EEG中提取EP信号。 盲源分离(BSS)技术是一种新兴的信号分析方法，其本质上与独立分量分析(ICA)是一致的。ICA是一种多通道信号处理技术，其特点是除源信号相互统计独立外无其它先验知识的情况下，将观察信号分解成为独立的分量。本文主要对ICA的原理，判据，以及优化算法做了归纳性的研究，并将其应用到脑电信号的伪差去除和EP信号的提取中。 本文基于峭度的快速固定点算法(FastICA)的基础上，对带参考信号的ICA(rICA)进行了扩展，提出了一种多参考信号的ICA方法。新方法一方面克服了FastICA的计算量过大，对分离的分量需要人工判别的缺点，另一方面也弥补了rICA算法仅仅能提取一路目标信号的缺陷。文中不但详细的介绍了多参考信号的ICA方法的原理及算法，而且给出了具体的伪差去除算法，最后还将此方法应用到多个脑电伪差的去除中，仿真实验进一步验证了算法了有效性。 在无加性噪声的情况下，ICA能够较好的对多导信号做盲分离。但实际从头皮采集的脑电信号中，加性噪声的干扰是不可避免的。ICA对含有加性噪声的多导信号的处理效果急剧下降。通常的处理方法是将多导信号先通过小波降噪，然后将去噪后的多导信号作为ICA的输入。本文提出了一种小波变换(WT)与ICA相结合的方法。具体方法是：先对多导信号进行小波分解，然后对分解得到的小波系数进行带参考信号的ICA分离，最后通过小波重构得到目标信号。本文将此方法应用到诱发电位的提取中，仿真结果表明新方法具有比较稳定的抗噪性能，且与已有的方法相比，具有较快的收敛速度和较小的运算量。