盲源分离是二十世纪末期迅速发展起来的一种功能强大的信号处理方法,盲源分离作为人工神经网络、统计信号处理、信息论和计算机相结合的产物,现已成为众多领域中研究与发展的重要课题,特别是在生物医学、图像处理、远程传感、雷达与通信系统、地球科学、数据挖掘等方面均有突出贡献。脑电信号是由脑神经细胞的生物运动产生的微弱电信号。脑电信号微弱且拥有非平稳性特征,其中眼电伪迹是脑电信号获取中最主要的干扰源。因为脑电信号和眼电伪迹为彼此独立的信号源,所以运用盲源分离算法消去眼电伪迹可以很好的解决此类问题。研究脑电信号的特征以及获得方式,针对正定情况下脑电信号伪迹去除的盲源分离方法进行了仿真,在欠定下盲分离方法,对基于k均值聚类的欠定盲分离方法进行改进,提高了混合矩阵估计精度并获得较好的分离效果。全文具体工作如下:1.依据脑电信号本身存在的基本特征,在通过盲源分离处理之前,先分析脑电信号特性,根据盲分离方法的需求,将脑电信号做去均值,白化处理,具有加深算法特性理解并缩减算法计算量的优点。2.针对正定条件下的脑电信号盲源分离,主要研究固定点方法和自然梯度方法这两大类。分析了基于四阶累积量和负熵这两类固定点算法的计算模型并进行仿真分离出眼电伪迹;研究自然梯度方法可得出该方法可以使获得的脑电信号更纯净,但迭代次数相对增加且耗时,对于两类改进的变步长梯度算法仿真发现迭代次数减少,分离效率提高,达到了眼电伪迹去除获得纯净脑电信号的目的。3.当前欠定条件分离脑电信号是研究热点,分析欠定情况时常用的盲源分离方法,根据脑电信号自身特性采用单尺度一维小波变换使信号稀疏性增强,最终采用稀疏分量分析法中的两步方法来解决脑电信号采集通道数少于源信号数的情况。4.对两步法深入研究,运用k均值算法、改进势函数法、改进k均值聚类三种算法估计混合矩阵,改进的k均值聚类方法使估计的混合矩阵精度提高且抗噪能力增强,基于最短路径法去掉能量较小点估计源信号,仿真分析改进的k均值聚类算法恢复信源重构比值相对较高即提高脑电信号分离精度,欠定条件下眼电伪迹去除效果更好。