脑电信号处理系统是临床检查脑疾病的重要辅助工具，它的好坏体现在系统能否有效提取脑电信号的各种特征信息。目前国内生产的脑电图仪对使用环境要求，测试数据精度低，抗干扰能力差。脑电信号的伪迹去除与特征提取一直是脑电信号分析的一个瓶颈，针对目前的国内外研究现状，采用传统的单一数字滤波算法难以满足精确、快速的采集处理与分析脑电信号要求。本文在研究现有理论和实践的基础上，综合运用信号处理技术，寻找更精确、更快速的脑电信号采集与处理方法，来最大化突现脑电信号中的特征信息。论文的主要研究内容包括： 针对脑电信号具有非线性、信号微弱、噪声强的特点，有效的去除脑电伪迹是本课题主要研究工作之一。考虑到小波变换是信号分析和特征提取的重要工具，具有良好的时频局部化特征，而自适应对消又具有自适应跟踪干扰的精确频率和相位能力，本文结合小波变换和自适应对消的优点，对采集的脑电信号进行预处理，主要完成以下工作：采用自适应凹口滤波器用于消除工频干扰；采用小波变换的分解与重构和自适应阈值法、模极大值法相结合的方法，滤除脑电信号中的肌电、眼电、尖脉冲等干扰，与传统的数字滤波算法进行了比较，Matlab仿真验证优于传统的数字滤波算法。 脑电信号作为一种复杂的非平稳信号，仅利用传统的时域和频域很难充分提取脑电信号中的特征信息。本文对比各种方法的合理性和局限性，经过深入讨论，将基于小波包分解与重构的算法应用到实际脑电信号基本节律提取中，通过对快速傅里叶变换和短时快速傅里叶变换进行对比，并采用短时快速傅里叶变换对各个节律的脑电信号进行了功率谱分析，采用时频结合的分析方法，以获取详细的脑电信号信息，并通过Matlab仿真，证明了此方法的有效性。 通过综合应用经典和现代信号处理技术，实现对脑电信号的处理与分析，能有效滤除去除伪迹干扰、准确提取基本特征节律，同时防止有用数据的丢失，较传统数字滤波算法优势明显，为进一步研制出高性能脑电图机提供理论基础。