脑电信号由脑神经活动产生，始终为中枢神经系统的自发性电位活动，是人体重要的生理信号。随机性及非平稳性相当强的脑电信号非常微弱、背景噪声比较复杂。其中眼电伪迹产生频度高、幅值是脑电信号的数倍，成为实际脑电信号的最主要干扰源。因此，去除眼电伪迹干扰进而提取纯净的脑电信号，对于脑机接口的实际应用具有重要的理论和实际应用价值。脑电信号和眼电伪迹信号均来自相互独立的信号源，选用盲源分离方法去除眼电伪迹干扰是一个重要的切入点。针对现阶段盲源分离方法在去除眼电伪迹干扰方面存在的问题，包括需要人工识别、易造成潜在脑电成分丢失等，以盲源分离为基础，提出眼电伪迹干扰高精度、自动去除的新方法。对于实时在线脑机接口系统的发展和应用具有重要意义。主要研究结果包括：（1）首先从研究方法、计算模型、信号预处理、评价指标四方面阐述了基于盲源分离去除眼电伪迹干扰的基本处理机制。为眼电伪迹自动、高精度去除，提供了理论基础和算法支撑。（2）以独立分量分析和二阶盲辨识为基础，针对基于盲源分离方法去除眼电伪迹中需要人工识别的问题，提出基于二阶盲辨识与非线性参数相结合的方法，解决了伪迹成分需要人工干预的问题。该方法首先采用二阶盲辨识将眼电伪迹干扰从原始脑电信号中分离出来；然后将任尼嫡和样本嫡结合作为判别因子，采取一种普遍适用的伪迹判别方法，实现眼电伪迹干扰自动识别及去除；最后重构得到纯净的脑电信号。在此基础上，设计眼电伪迹干扰自动去除实验，通过相关系数、信噪比、运行时间估计眼电伪迹干扰去除效果。结果表明，该方法能够自动识别并有效去除眼电伪迹干扰。（3）在上述研究基础上，针对脑电源频谱成分丢失问题，充分利用脑电信号和眼电伪迹空间特征的差异，提出基于二阶盲辨识与典型相关分析相结合的新方法，去除眼电伪迹干扰。首先，依据盲源分离理论，采用二阶盲辨识方法获取分解信号；并且，为获得高精度眼电伪迹去除效果，将参考信道眼电信号与分解信号进行组合，得到组合信号；其次，通过典型相关分析提取典型相关变量即伪迹分量；然后，为减少脑电信号频谱成分丢失，采用四种不同的方式对提取到的典型相关变量进行处理。最后，通过信号重构来恢复其中丢失的脑电信号成分。在此基础上，用信噪比表示眼电伪迹去除效果，相关系数表示感兴趣脑电信号损失程度，进而采用运行时间估计其实时性。结果表明，该方法在自动有效去除眼电伪迹干扰基础上，尽可能多的保留有用脑电源信号。