诱发电位(Evoked Potentials，EPs)是中枢神经系统(Central Nervous System，CNS)所产生的生物电信号，是神经系统对外部声、光和电脉冲等刺激的有特定规律的响应。诱发电位信号中包含了丰富的有关神经系统传导通路上各个部位的信号，因此有着广泛的临床应用。诱发电位信号的少次甚至单次提取是研究者们关注的焦点，近年来也提出了一些新方法，包括：小波变换、高阶累积量、神经网络、独立分量分析等方法，随着现代信号处理技术的发展，EPs信号的提取将由单一的提取技术发展为多种技术的有效结合。本文就是将小波变换与高阶累积量相结合，进行诱发电位的少次提取。通过仿真实验证明，本文所提出的方法在诱发电位的提取中得到了较好的效果。本研究的主要内容如下：(1)设计了基于四阶累积量的自适应滤波器。近几年，高阶累积量(HigherOrder Statistics，HOS)逐渐成为人们研究的热点。HOS的特点之一就是对高斯噪声而言，其所有高于二阶的累积量全为零。基于这一特点，本文提出了一个基于四阶累积量的自适应滤波器，该滤波器的冲激响应由四阶累积量的一维对角切片估计，观测信号经过该滤波器后，不仅高斯噪声能够在很大程度上得到抑制，待提取的诱发电位信号也能得到一定程度的增强，这有利于对诱发信号的进一步处理与分析。(2)针对传统的小波去噪方法的缺点，提出了一个改进的小波阈值函数。本研究的目的是快速提取脑诱发电位，通过比较几种传统的小波去噪方法，得知小波阈值去噪法速度较快，能够满足提取脑诱发电位信号的要求。Donoho等人提出的软阈值函数虽然具有很好的光滑性，但是估计值与原始数据之间有恒定的偏差，并且估计值比原始数据小，不利于进一步的处理，此外，由于其光滑性，有可能将诱发电位中的有用信息平滑掉；而他们所提出的硬阈值函数虽然能够保留信号的特征量，即诱发电位中的有用信息，但是在阈值点处不连续，会给重构信号带来振荡。这些缺点，在诱发电位信号的处理中会带来较大的误差，本文提出的改进的阈值函数，不仅具有软阈值函数的光滑性，还具有硬阈值函数保留特征量的特点。在诱发电位的处理中能够得到较好的结果。(3)将基于四阶累积量的自适应滤波器与改进的小波阈值函数的相结合，提取诱发电位信号。经过基于四阶累积量的自适应滤波器后，背景高斯噪声得到了很好的抑制，诱发电位信号得到了增强，但是仍然有非高斯噪声以及残留的高斯噪声，需要进一步处理；经过上述处理的EPs信号已经得到增强，利于小波阈值函数的使用，因此，对于信号的进一步处理使用了本文提出的改进的小波阈值函数，通过多次实验并与软阈值函数及硬阈值函数进行比较，得出将高阶累积量与小波变换相结合能够快速、准确地提取出诱发电位信号的结论。