脑电图(Electroencephalography，EEG)是一种记录脑神经细胞的电生理活动的设备。由于脑电信号具有高时域分辨率、便携和无创性等特点，脑电图已被广泛应用于脑部疾病诊断、大脑特征和脑机接口等方面的研究。然而脑电信号作为微弱的电生理信号，经常受到如心电、眼电和肌电等多种伪迹的干扰，影响后续对脑电分析的准确性。另外，由于肌电信号具有幅值大、频域分布广和复杂的地域分布等特点，导致肌电伪迹是众多干扰源中最难消除的干扰伪迹。科研工作者们提出了许多的方法用于解决这个问题。然而大多数肌电伪迹去除的方法都是为单通道脑电记录或基于医院的高密度多通道脑电记录而设计的，而不适用于移动脑电监护仪器的少数通道情境。　　在本文中，我们结合多元经验模态分解和典型相关分析(multivariate empirical mode decomposition and canonical correlation analysis,MEMD-CCA),利用少数通道情况下脑电信号通道间的相关信息，达到从少数通道的脑电信号中有效去除肌电伪迹的目的。MEMD-CCA首先利用MEMD将一个少数通道的EEG信号分解为多元本征模态函数（intrinsic mode functions，IMFs）;然后，应用CCA将重组后多元本征模态函数分解为潜在的源信号;最后，使用无伪迹干扰的脑电源信号来重建数据，将获得去除肌电伪迹的脑电图。在实验过程中，我们分别使用了模拟、半模拟和真实数据来评估推荐方法的去噪效果。实验结果表明，MEMD-CCA不仅能够将肌电伪迹从脑电记录中有效消除，并且能够将有用的脑电活动较为完整地保存下来。因此，我们认识该方法是一种能从少数通道脑电信号中去除肌电伪迹的有效工具。