1、腦電信號(hào)可以比較客觀地反映出大腦的活動(dòng)，腦電圖除了應(yīng)用于腦科學(xué)的一些基礎(chǔ)領(lǐng)域的研究外，最重要的應(yīng)用當(dāng)屬臨床診斷以及腦機(jī)接口技術(shù)。對(duì)腦電信號(hào)進(jìn)行處理就是希望從信噪比很低腦電信號(hào)中提取出一些微弱的有用的腦電節(jié)律信號(hào)。為了很好地分離這些控制信號(hào)或者思維活動(dòng)的信號(hào)，我們通常采用盲源分離技術(shù)，而通常直接采用盲源分離技術(shù)在對(duì)多通道的腦電信號(hào)處理時(shí)，效果往往會(huì)比較差，或者說(shuō)誤差比較大，本文采用小波包分析理論，以及小波包與獨(dú)立分量分析理論相結(jié)合的方法對(duì)

2、腦電信號(hào)進(jìn)行處理，得到不錯(cuò)的分離效果。
　　時(shí)域分析以及簡(jiǎn)單地頻域?yàn)V波是傳統(tǒng)的信號(hào)處理方法，在對(duì)腦電信號(hào)進(jìn)行分析處理時(shí)，時(shí)域分析以及簡(jiǎn)單地頻域?yàn)V波這兩種方法顯然不能得到較好的結(jié)果。這是由腦電信號(hào)一些典型的特征決定的，這些特征包括腦電信號(hào)是非線性信號(hào)，以及腦電信號(hào)具有較強(qiáng)的隨機(jī)性和非平穩(wěn)性。小波變換是20世紀(jì)80年代發(fā)展起來(lái)的一種時(shí)頻分析方法，逐漸成為腦電信號(hào)分析的一種工具。小波分析方法并不能從根本上解決信號(hào)與噪聲在頻域上的混疊問(wèn)題

3、，因此也就對(duì)腦電信號(hào)處理結(jié)果地改善也是有限的。
　　主分量分析與獨(dú)立分量分析理論都是用來(lái)對(duì)信號(hào)進(jìn)行多維統(tǒng)計(jì)分析，這兩種方法對(duì)信號(hào)地分析處理不受信號(hào)頻譜混疊的影響。主分量分析方法僅僅對(duì)信號(hào)數(shù)據(jù)的二階統(tǒng)計(jì)特性進(jìn)行分析，因此主分量分析技術(shù)處理的對(duì)象是高斯源信號(hào)，而獨(dú)立分量分析則對(duì)數(shù)據(jù)進(jìn)行更高階統(tǒng)計(jì)分析，可以處理非高斯源信號(hào)。我們一般認(rèn)為腦電信號(hào)是一種非高斯信號(hào)，采用獨(dú)立分量分析方法對(duì)腦電信號(hào)進(jìn)行處理是目前的研究熱點(diǎn)。
　　本文先詳

4、細(xì)介紹了數(shù)理統(tǒng)計(jì)與信息論的相關(guān)基礎(chǔ)知識(shí)，為詳細(xì)介紹獨(dú)立分析理論打下基礎(chǔ)，通過(guò)構(gòu)造參考工頻干擾信號(hào)，結(jié)合FastICA算法對(duì)小鼠晶須桶狀皮層局部場(chǎng)電位信號(hào)去除工頻干擾，再采用小波濾波方法對(duì)小鼠晶須桶狀皮層局部場(chǎng)電位信號(hào)去除高頻噪聲。得到去除噪聲的腦電信號(hào)，采用小波包分解算法，以及子頻帶信號(hào)重組的方式從該信號(hào)中提取特征節(jié)律，并分析提取到四個(gè)基本特征節(jié)律的時(shí)域以及頻域特性。接著分別以小波包提取到的特征節(jié)律信號(hào)作為FastICA算法的參考信號(hào)，