本课题主要研究视网膜锋电位信号的检测与分类。由于背景噪声对检测的影响很大，所以在检测分类之前，需对信号做预处理。预处理采用椭圆滤波器进行47Hz－53Hz的工频滤波，采用小波变换进行高频滤波。经过预处理以后的信号首先进行阈值检测，挑出各种可能锋电位信号，然后用小波变换和主元分析方法对这些信号进行特征提取，最后用聚类分析方法进行分类，从而通过重构得到锋电位序列。本文还重点研究了主元分析方法在不同信噪比下的分类效果，得出了主元分析方法的适用信噪比范围为(4db,+∞)。最后，对重叠锋电位信号的分解进行了初步研究。 大量研究结果表明，小波变换是一种简便高效的时频分析方法，对于分析、表征和分离神经元信号十分有效。主元分析方法能降低数据空间的维数，有效地提取锋电位特征。研究表明，综合应用各种分析方法是有效地提取锋电位特征、进而得到锋电位序列的途径。