近年来,对大脑结构的分析为人工智能的研究提供有力基础,对于人工智能的研究与应用成为各行各业走向更前沿发展的重要途径,然而真正了解大脑结构,解析人脑从感知到认知到做出判断再到实现反馈这一复杂功能,是人工智能真正变得“智能”的前提,脑机接口领域的发展是实现这一目标的重要途径。其中如何高效准确取得大脑神经信号数据,如何对数据分析以获得有用信息,是探究脑科学和类脑智能的必要研究内容,对了解神经元放电结构和研究构造大脑神经网络有重要意义。本文设计一套神经电信号高速采集与离线处理系统,完成了神经电信号的采集和神经电信号峰电位聚类算法的研究。在神经电信号的采集部分,实现了一套神经电信号采集系统,使用STM32F407ZGT6作为主控芯片,RHD2132侵入式神经电信号采集芯片作为模拟前端,LAN8720A作为外部以太网PHY芯片,连续采集小鼠的局部神经电信号（LFP）一段时间后进行离线保存。根据LFP信号采集数据量大、数据采样频率高、需要数据流带宽大等特点,使用DMA双缓冲方式实现数据一边高速读取一边上传,将数据发送至上位机后保存为Excel格式,完成神经电信号高速采集工作。神经电信号峰电位聚类算法研究部分,由于采集芯片植入小鼠脑内采集的是一片大脑组织,这片组织中不同的神经细胞共同放电,使得收集的信号是多个细胞释放的峰电位的叠加。因此采用峰电位聚类技术将来自同一个信号源（神经元）的峰电位归为一类,得到放电神经元的数量以及放电的波形。本文基于峰电位聚类技术主要完成三点工作。1)使用幅度阈值计算方法计算阈值提取采集通道中的峰电位。2)使用PCA特征分析方法提取出每个峰电位的前三个主成分,实现数据的降维。3)对峰电位进行聚类分析,使用K-maens、FCM、KFCM、RKFCM四种不同的聚类算法,其中RKFCM（鲁棒高斯核模糊C-均值聚类算法）是本文对于峰电位聚类算法的改进,构造了 108组实验数据进行算法验证,比较不同聚类算法在尖峰聚类上的准确性和可靠性。计算108组实验数据的划分系数（VPC）和划分熵（VPE）平均值,得到改进的RKFCM聚类算法在VPC性能上有明显提升,证明RKFCM算法在区分不同峰电位上具有更高的可靠性。最后例举使用RKFCM算法对神经电信号采集系统采集到的某单通道的数据进行峰电位聚类分析的过程,得到的峰电位波形特征明显,形态清晰。