“维数灾”一直是小波神经网络研究和应用领域中的一个难点问题，它极大地限制了小波神经网络在高维情况的应用。对此，至今没有一个十分理想的解决办法。本文对RBF网络结构模型和小波神经网络结构模型的相似性进行了深入分析，然后以RBF网络结构模型为基础，借助单尺度小波框架理论，构造了多维（多输入多输出）单尺度径向基小波网络；在确定网络规模时，从分析样本稀疏性入手，以最大限度减少冗余性为出发点选取小波基；此间引入参数“相似度因子λ”进一步限制冗余小波被重复选取；运用Gram-Schmidt逐步正交化算法对小波基进行了正交化和再一次的优化选取。网络规模和计算复杂度直接与样本数目有关，而不再随维数的增大呈指数倍增长，较好地克服了“维数灾”。此算法用于脑电（EEG）逆问题求解取得了较为满意的效果。