视觉系统是生物获得外界信息的主要通道,研究视觉系统对于盲人视力再现具有重要的意义。对视觉系统研究的第一步在于获取与视觉刺激相关的神经元放电信号,神经元锋电位信号是神经元网络活动的基本表现形式。因此,神经元锋电位信号的研究对于进一步的了解大脑对外界事物的反应是如何编码、表达和加工的具有至关重要的作用。由于锋电位信号具有宽带、高频和小幅值等特点,易受噪声干扰。因此,抑制锋电位检测信号中的噪声干扰,获得信噪比较高的锋电位信号是对其进行进一步研究的基础。本文首先对V1区用微电极阵列采集到的锋电位信号及所含噪声信号进行了功率谱分析,针对其特性先后运用锋电位仿真信号和实测信号进行了噪声干扰抑制算法研究和验证,重点研究了信号相对独立的锋电位信号的相关噪声的抑制,并对噪声抑制效果进行了质量评估。主要内容如下：1、简要分析了锋电位信号的产生机制,锋电位信号的特点,以及本文所采用的实验刺激模式,采集得到V1区锋电位检测信号；分别分析了其时域和频域特征。表明锋电位检测信号中除含有白噪声外,还含有具有相关性的噪声,且检测信号中具有较多小幅值的锋电位信号。2、针对常见噪声源,研究了两种去噪算法：PCA去噪算法和小波-PCA联合去噪算法。分别运用仿真信号和实测信号对PCA去噪算法和小波-PCA联合去噪算法进行了研究和验证,结果表明,针对检测信号中噪声的相关性,PCA去噪算法去噪效果不太显著,信噪比提高较小,但小波-PCA联合去噪算法可以有效的提高信噪比,但由于其是在小波阈值去噪前进行PCA去噪,虽然可以提高小波对相关噪声的抑制能力,但其PCA会使锋电位信号的波形畸变加大。3、针对上述算法存在的不足,本文采用了多元小波去噪算法分别对仿真数据和实测数据进行了研究和验证。本文引入多元小波去噪算法虽然本质上也是小波闽值去噪与PCA的结合,但是这种结合是在小波阈值去噪中进行的,对小波第一层细节系数进行奇异值分解本质上就是利用主成分分析将其投射到新的基空间中,然后将不同层细节系数投射到这个基空间中再进行阈值去噪。此外,本文将细节系数幅值的量级引入到阈值中,在减少spike波形的畸变的同时提高了去噪效果。4、针对本文仿真信号和实测信号,对三种去噪算法：PCA、小波-PCA联合和多元小波去噪算法进行了质量评估,并对三种算法的干扰抑制效果进行了比较分析。结果表明,多元小波去噪算法在保持小波阈值去噪算法在白噪声抑制效果的同时,改善了其对相关噪声的去除效果,有效提高了相对独立的神经元锋电位检测信号的信噪比。仿真和实测数据表明,信噪比仿真信号提高约为4.25dB,实测信号信号提高约为2.75dB,锋电位波形的畸变的减小,仿真信号约为3.9μv,实测信号约为2.8μv。