脑电信号是从头皮表面记录到的脑细胞群的自发性电活动。伪迹消除在脑电信号的分析及研究中起着非常重要的作用。独立分量分析(Independent Component Analysis,ICA)是一种自适应盲信源分离法，近年来已成为国际信号分析及处理领域的研究热点。自适应滤波技术具有很强的自学习、自跟踪能力，可用于平稳或非平稳信号的检测与处理。本文在综述国内外研究现状的基础上对独立分量分析和自适应滤波在脑电信号预处理中的应用进行了以下几个方面的研究讨论： (1)独立分量分析中的自动伪迹分量识别方法 在对多导信号进行ICA的基础上，提出了自动识别心电和呼吸伪迹分量的方法。该方法是利用功率谱作为判断依据，计算各独立分量的伪迹频段能量在总能量中的比重，根据此比重值判断伪迹分量。实验表明应用该方法能够有效地进行信号分离，并自动识别伪迹独立分量。在实验中我们采用固定点法进行脑电信号的线性ICA分离，结果表明脑电中伪迹能够较好的滤除。同时得出ICA比较适合于信号导联数较多情况的结论。 (2)非线性独立分量分析MISEP 对于复杂脑电信号，仅仅从线性上考虑是比较牵强的。目前国际已经开始出现对非线性ICA的研究，MISEP是一种线性和非线性都具备的ICA方法。它是最大互信息(Infomax)方法两方面的一个扩展：(a)处理非线性混合(b)学习非线性特性将其应用于输出。该方法能够在很广泛的统计分布里分离线性和非线性独立分量，通过对实验数据的处理，取得较好的伪迹消除效果。同时也发现该方法的鲁棒性较差，非线性函数的选择也值得进一步的研究。 (3)多参考自适应噪声抵消器 目前自适应噪声抵消器(Adaptive Noise Canceller,ANC)多为单参考型。为了得到更好的滤波效果，提出了多参考ANC。实验针对脑电信号中主要含有心电和呼吸两种伪迹干扰，设计了一种双参考ANC。滤波算法选用了RLS算法，主要是考虑到该算法的收敛性比较好。实验结果从消噪前后的时域波形和功率谱密度值可以看出，该方法能同时消除多路干扰信号，并有效的保留原始信号中的有用信号。