脑电信号(Electroencephalograph,EEG)处理的目的是为了从复杂的背景噪声中提取出隐含或微弱的脑电特征。独立分量分析(Independent Component Analysis,ICA)方法在满足一定条件下能够从同步测量的多路线性混合信号中分离出相互独立的源信号,且分离结果不受频谱混叠的影响。但是独立分量分析方法在脑电观测信号数量有限的情况下往往不能获得很好的分离效果。本文首先介绍了独立分量分析的模型、度量方法和优化算法,讨论了包括非高斯性极大准则在内的ICA主要度量方法,论述了Infomax算法和FastICA算法的原理和实现。然后,应用独立分量分析方法对脑电信号进行了去噪处理,在脑电观测信号数量有限的情况下去除了脑电中的心电伪迹和工频干扰。试验结果表明利用参考信号进行ICA分析的方法能够有效地去除脑电信号噪声。最后,本文在脑电观测信号数量有限的情况下利用小波包和独立分量分析方法对脑电α波进行特征提取。先用按频带顺序排列的小波包算法将原始脑电信号进行分解,重构相关成分作为α波参考信号。然后用这一系列参考信号同脑电信号共同组成ICA方法的输入信号,再经FastICA方法分离,从而实现从脑电信号中提取脑电α波。提取出的信号频率集中在8~13 Hz之间,完全符合α波的特点,证实了该方法的有效性。