脑电(EEG)信号是一种在临床医学、思维研究、脑机接口等诸多科学研究领域的重要工具。但实际采集的脑电信号非常微弱,并且往往被多种伪迹成分所污染,如眼电伪迹、工频干扰等,因而去除伪迹对提取纯净的脑电信号意义重大。本文在已有成果的基础上,对脑电信号伪迹去除方面进行了一系列的研究。本文所作的主要工作及取得的成果如下:(1)针对传统陷波器会极大削弱脑电信号的缺陷,研究了三种方法:基于零极点原理的IIR陷波器、自适应陷波器以及独立成分分析(ICA)算法,并将它们应用于工频干扰的去除,同时研究了算法对非工频干扰成分的影响。实验结果表明,采用的三种算法都可以有效地去除工频干扰,并且对非工频干扰成分的脑电信号造成的损失极小。三种算法中,独立成分分析算法在去除工频干扰的同时,更有效地保留了有用的脑电信号成分,具有极大的优越性。(2)提出一种结合主分量分析(PCA)和特征矩阵联合相似对角化(JADE)算法的眼电伪迹去除方法,并分析了主分量分析对于伪迹去除的效果的影响。实验结果表明,结合主分量分析和独立成分分析的算法是一种行之有效的脑电信号去噪方法。(3)提出了一种利用非线性参数并基于盲源分离算法的眼电伪迹自动去除方法。本文引入任尼熵和样本熵用于眼电伪迹的自动识别,并与稳健的基于分形维数的算法进行了比较。首先采用二阶盲辨识(SOBI)算法对真实的脑电信号进行盲源分离,然后采用三种参数,通过一种通用的伪迹判决方法实现了对眼电伪迹的自动识别,最后通过脑电信号的重构来实现眼电伪迹的去除。实验结果表明,任尼熵方法及样本熵方法针对不同的脑电数据长度,以及由于SOBI算法的因素出现眼电分裂的情况下,二者都可以稳定并且一致地识别出眼电伪迹成分;分形维数方法在数据长度较短及有多个眼电成分时,会出现漏判或误判的情况。考虑到时间开销方面,任尼熵方法的效果最为优越。文中提出的方法不需要任何参考信号,不需要人工干预就可以完全自动地实现眼电伪迹的去除,具有很强的有效性和稳健性,并且适用于实时场合。