事件相关电位(ERP)是受试者在主动参与的情况下获得的一种长潜伏期诱发电位，具有高时间分辨率的特点，能锁时性地反映认知动态过程。但ERP信号很微弱，由实际采集的脑电记录可发现，它总是淹没在自发脑电中，并伴随有眼动伪迹、50Hz工频干扰以及其它电生理信号成分等。如何从强大的自发脑电信号背景中提取出稳定的ERP信号是它在认知神经科学等领域中应用的关键问题之一。　　本文提出了一种基于Infomax ICA少次自动提取ERP的方法，并应用于实际脑电信号的 ERP成分提取。为了增强 ICA分解的有效性，对原始数据中的自发脑电信号和ERP信号进行了均衡。混合信号经过ICA分解后，根据IC的固定时间模式的标准差来自动选择代表ERP信号的独立分量(IC)，重构后得到ERP信号。　　本论文主要有两点创新：首先提出了利用各IC的固定时间模式的相关特性来自动选取ERP信号IC，以达到利用ICA方法实现自动少次提取ERP成分的目的；其次提出了信号均衡的方法，以解决ERP成分与自发脑电在混合信号中的能量不均衡的问题。　　研究了三种ERP信号的提取过程及其影响因素，即：视觉诱发电位(VEP)、视觉 P300以及听觉 P300。并采用皮尔逊相关系数(Pearson)对提取出的信号波形进行了评价。实验结果验证了算法的有效性，并表明该算法具有较好的实用性，增强了ERP信号少次提取的客观性。　　对于视觉诱发电位(VEP)，采用6试次的原始脑电数据经过算法处理后能自动得到VEP信号，与205试次平均结果(标准信号)相比，它们之间的Pearson相关系数达到0.9106，而6试次平均结果与标准信号之间的Pearson相关系数为0.3066。　　对于视觉 P300，采用6试次的原始脑电数据经过算法处理后自动提取出视觉P300成分，与29试次平均结果(标准信号)相比，它们之间的Pearson相关系数达到0.9035，而6试次实验数据平均的结果与标准信号之间的Pearson相关系数为0.5105。　　对于听觉 P300，采用5试次的原始脑电数据经过算法处理后自动提取出听觉P300成分，与29试次平均结果(标准信号)相比，它们之间的Pearson相关系数达到0.8770，而5试次实验数据平均的结果与标准信号之间的Pearson相关系数为0.5394。　　总之，将本文方法用到ERP成分的提取中，能够取得很好的效果。该方法作为单次/少次提取ERP的技术大大增强了脑电信号与信息处理方面的客观性。