危害公共安全、妨碍社会正常秩序的涉贪涉恐涉黑犯罪是目前最为严重的犯罪行为，作案手段极其复杂，打击难度大，对公民和国家造成了极大损失。在实际侦查中，这类犯罪的作案人往往具备丰富的经验和较强的心理素质，贯穿整个过程的大脑思维活动是这些犯罪的显著特征。因此，与传统的犯罪心理侦查方法相比，利用能够反映大脑生理功能和思维状态的脑电信号(EEG)对作案人试图隐藏的案件相关信息进行检测是一种更加科学有效的手段。传统的基于脑电的犯罪心理测试分析方法主要以人工目视为主，效率低下，主观依赖性强，早已不能满足实际应用中的需求。由于任务的复杂性以及涉案人的主观性，采集到的EEG信号背景噪声强，认知成分不明确，功能区域不明显，加大了对其中隐秘信息检测的难度。本文主要基于特定思维任务下的诱发脑电位，基于改进的DPCTP实验范式，开展对隐秘信息检测领域中的脑电信号处理方法研究，主要工作和贡献如下:　　(1)在对认知任务下的脑电信号进行盲源分离的基础上，引入了样本熵参数来寻找眼电伪迹对应的独立分量，减少了伪迹去除过程对先验知识和主观判断的依赖。在实现伪迹信号自动识别的同时，为满足应用中的实时要求，引入了样本熵快速计算方法，用以处理持续时间较长的信号段。　　(2)采用基于小波包分解的方法对脑电信号进行特征提取。利用小波包分解后的子带能量和反映信号复杂度的小波包熵构成特征向量，并事先对导联进行选择，避免了因使用导联数过多造成的特征向量维数过大的问题。　　(3)建立了基于相似性度量学习的个人隐秘信息脑电特征分类器模型，充分利用了不同类脑电数据间的区别性信息以及同类数据间的相似性信息。为缩短训练时间，应对实际应用场景中可能出现的训练样本数量不足的情况，提出了在线的基于度量学习的分类器训练方法，实现了模型的在线更新，降低了对侦查过程中相关刺激信息搜集数量的要求。　　(4)为满足实案侦查中对检测效率的要求和被试涉案程度检测的需求，提出了一种加权多尺度小波核极限学习机方法，借由模糊化因子的引入，实现了更好的分类能力。另外，采用组合核函数，提出了一种在线增量核极限学习机，实现了检测模型的在线调整，提高了分类器的学习能力和泛化能力。实验结果证明该方法能够有效减少模型训练时间且分类效果稳定。　　(5)提出一种将深度置信网络用于犯罪信息检测中的脑电特征提取方法，无监督的学习到了脑电信号的深度特征，基于基础的分类模型，实现了对隐秘信息的有效检测，提高了特征表达的自适应性，降低了对分类器模型的要求，为将来实案侦测任务中，面对不同场景、不同被试群体下的应用环境打下基础。