神经系统中，由于动作电位（即峰电位）的发放有或无、传输无衰减的数字信号特性，神经元通过对峰电位进行编码来表征信息，如发放速率，发放间隔等。在脑功能(知觉,运动）方面，峰电位的发放模式与行为密切相关。此外,峰电位的发放紊乱也会导致脑部的一些疾病（癫痫，抑郁症)。因此，研究神经元的锋电位发放是研究神经系统信息处理机制的关键。神经元作为信息处理的基本功能和结构单元，单个神经元（single unit）的动作发放特点一直倍受神经生理学家的关注，而将记录到的峰电位信号按照神经元进行归类（spike sorting）也就显得极为重要。胞外单电极记录作为一种非常成熟的神经信号采集的传统手段，在目前的神经电生理学领域仍然被广泛使用。由于胞外单电极记录所获得的信号含有比较高的背景噪音，而且依赖于不同的电极尖端阻抗和形状，单根电极可能记录到多个神经元的信号，因此从单根电极电压信号抽提和分类动作电位一直是研究的热点。近些年来，多电极阵列被越来越广泛得用在电生理实验中，用于不同研究目的的形态各异的多电极阵列也被开发出来。一种可用于峰电位分类的立体电极（tetrode）由于电极之间距离近，单个神经元信号可被至少四根电极记录到。联合分析四个通道的信息进行峰电位分类可以有效的提高分类的准确率。　　 本文首先对单通道峰电位的检测与分类算法进行了重点的研究与改进，改进后的算法有效的抑制了高强度背景噪声及信号叠加的干扰，提高了单通道电信号中峰电位的检出率和分类的正确性，然后通过具体的算法讲述了多通道峰电位的检测与分类的实现。本文主要内容包括：研究了一种基于数学形态学的单通道峰电位检测算法实验中采集到的峰电信号，通常都含有不同种类、不同强度的噪声，这对峰电位的检测效果有一定影响。采用一种基于数学形态学复合操作对的降噪算法，对峰电信号检测峰电位之前，进行降噪处理，以降低噪声对于检测效果的影响。研究了一种融合了小波变换和核主成分分析的峰电位波形特征提取算法利用小波变换良好的时频特性，以及和核主成分分析优异的数据降维效果，将两者适当的融合，提出了一种新的峰电位波形特征提取算法。此算法可以只用很少的特征量，便将峰电位波形的主要特征表述出来。对层次聚类算法进行改进，并应用其实现峰电位分类应用改进的凝聚的层次聚类算法进行峰电位的分类实现，不但操作简单，而且无监督，实用性好。具体算法讲述多通道峰电位检测与分类的实现设计一种基于多通道之间信息补偿的多通道峰电位检测与分类算法，此方法可以很好的提高单次实验中峰电位的检出与分类正确率。将上述的方法结合使用，在如何对峰电位进行有效分类的问题上，得到了很好的解决方案。即便是对于大量的叠加信号，本文的方法依然可以保持良好的分类正确率。