脑电信号只有微伏量级，特别容易受到心电、肌电及眼电信号的干扰。这些干扰给阅读和分析脑电信号带来了很大的困难，尤其是阻碍了脑电的计算机自动分析与诊断，因此降低并消除脑电中的干扰也越来越引起研究人员的重视。在这些干扰信号中，眼电信号是干扰脑电的主要信号源，眼电信号能够改变脑电的头表电位分布，破坏实际脑电，尤其是眼睛附近区域的脑电信号特征。脑电信号中的眼电伪迹去除不仅是认知神经科学研究中关心的问题，在实际临床应用中也是十分重要的。目前，在各种脑电数据采集任务中都必须对眼电伪迹予以考虑，在脑电的相关应用研究中，都必须报道眼电伪迹去除情况。最近20多年，随着数字脑电技术的发展，使利用计算机自动去除眼电伪迹成为可能。本文针对脑电信号中的眼电伪迹去除的问题，研究和发展了基于头表数据和皮层等效分布源理论的眼电伪迹去除方法。主要内容如下：1．提出了基于独立成分分析(ICA)和空间相关(Space Correlation)的眼电伪迹去除算法(ICASC)，此方法利用ICA对头表采集到的脑电信号进行分解，然后求所得到的独立成分的空间分布与已知的眼电信号的空间分布之间的相关系数，把相关系数高于阈值的作为伪迹成分予以去除。文中结合实际数据讨论了此类方法的伪迹去除效果。2．提出了一种主成分分析(PCA)结合频域滤波(Filtering)的眼电伪迹去除算法(PCAF)。将以眼电伪迹为主的成分按眼电信号频率特点滤波后，再将其去除，部分地解决了所去除的信号中含有脑电信息的问题。文中通过实际数据讨论了此方法的伪迹去除效果；提出了一种回归算法(Regression)结合PCA的眼电伪迹去除算法(PCAR)。通过计算PCA得到的眼电伪迹成分与头表记录数据的相关系数，得到回归分析的衰减因子，并用于修正眼电伪迹成分的空间分布，进而得到需要去除的眼电伪迹成分。该算法部分地解决了主成分分析中的成分选择判断问题及伪迹成分分解不完全问题，通过仿真数据证实了该方法的有效性及适用性。3．提出了一种综合脑电时空信息的时空结合眼电伪迹去除算法(CAscadedSpatio-Temporal processing procedure，CAST)。利用最小模算法求头表脑电的皮层等效源反演结果，利用PCA对此结果进行分解，去除第一个主成分后，利用正演算法还原头表脑电数据。文中同时用仿真数据和实际数据证实了算法的有效性。4．建立了一种眼电伪迹自动去除的算法。提出了一种基于相关系数的伪迹识别算法，然后借助上述时空结合的伪迹去除算法(CAST)，发展了一种可以全自动(Automatic)去除眼电伪迹的算法(ACAST)，最后用真实的事件相关电位(ERP)数据——返回抑制(IOR)ERP验证了算法的有效性。5．提出了一种脑电采集系统电极帽。它能够避免测量中电极与头皮接触不良，同时还克服了传统电极帽电极不能自由移动的问题，可以根据脑电采集的目的的不同动态地调整电极，以及定位电极帽中电极的直角坐标和测量头部的实际形状。