脑电采集设备是一种用于记录人类脑电信号的仪器,在医学、心理学、神经科学、生物工程和人机交互等领域有着广泛的应用和研究价值。随着脑机接口（Brain Computer Interface,BCI）技术和可穿戴设备的发展,高性能便携式脑电采集设备已经成为了BCI技术的关键技术之一。然而目前市场上缺乏低成本高性能的脑电采集设备,导致了脑电相关技术无法得到普遍应用。同时在实际的脑电采集过程,由于脑电信号的弱信号特性,设备采集到的信号会被人体其他生理电伪迹信号掩盖,导致脑电信号的提取和分析变得困难。去除伪迹信号可以提高脑电信号的可靠性和准确性。因此,研究如何准确、有效地去除脑电信号中的伪迹信号,对于脑电技术的发展具有重要的意义。本文针对实现便携式脑电采集和脑电信号去伪迹的应用需求,在脑电采集系统与伪迹去除方法两个方面开展了研究,主要工作如下:（1）多通道脑电采集系统的研究:设计了一种可支持多通道的脑电采集系统,包括脑电采集设备和上位机GUI程序。脑电采集设备支持高精度、高采样率和高动态输入范围的多通道脑电采集。针对无线传输中可能存在的数据异常问题,设计了一套无线传输协议,引入了74汉明纠错码和CRC16校验码以实现可靠的无线数据传输。上位机GUI程序实现了蓝牙串口的数据接收、脑电采集设备参数设置、数据帧解析、滤波处理、数据存储和实时波形显示。为验证脑电采集系统的可靠性,分别进行了输入噪声实验、信号模拟器实验、人体外部刺激实验和自发脑电信号实验。经过实验证明,脑电采集系统满足设计指标。（2）伪迹去除算法研究:为解决传统的伪迹去除方法中需要人工干预等缺点,提出了一种基于Inception-RSBU模块的自动化伪迹去除神经网络模型。对于信号的特征提取,通过引入Inception模块替代传统的一维卷积模块,提高了模型的非线性表达能力。采用Gelu激活函数取代部分Relu激活函数,提高模型特征提取能力。设计了一种基于通道阈值残差收缩单元的脑电伪迹分离模块,该模块将软阈值机制和注意力机制相结合,以分离脑电特征和伪迹特征,从而实现根据不同信号特征分别重建脑电信号和伪迹信号。为了评估该模型的伪迹去除性能,通过使用不同信噪比的污染脑电信号对所提出的模型进行了验证,并与其他伪迹去除模型进行性能对比。相对于其他模型,该模型的性能在眼电和肌电伪迹去除任务中分别提升了9%,4%,0.6%和44%,35%,7%。