脑电图包含着与人的精神和健康状态相关的丰富信息,但是眨眼伪迹在脑电信号采集时的不可避免性通常对脑电分析产生干扰。另外,主流眨眼伪迹检测方法往往都忽略了痫样放电筛选,致使信号误判进而严重影响癫痫疾病的诊断。并且,脑电信号存在显著的个体差异性,但当前方法大多缺乏差异化处理且多通道脑电信号表征能力较差而导致模型在真实数据上性能下降严重。针对以上的问题,本文的重点研究工作包括如下几个部分:1.针对当前主流眨眼伪迹检测方法缺乏痫样放电信号筛选而将其误判为眨眼伪迹的问题,提出了一种基于单调递增斜率的额区痫样放电信号筛选方法（MIS-EDS）。该方法基于痫样放电信号的生理特征以及平滑非线性能量算子（SNEO）滤波方法,特别设计了前额通道单调递增部分斜率的最大值以及超出阈值计数值的统计特征对痫样放电信号进行筛选,最后对提取到的前额通道八维特征进行K均值（K-means）无监督聚类。在CHZU数据集上该方法达到了96.51%的准确度,对癫痫患者的脑电信号分析和疾病诊断有至关重要的意义。2.针对传统方法忽略通道间信息,信号表征能力较弱以及缺乏脑电个体差异化处理的问题,提出了基于多通道多维特征优化的眨眼伪迹检测方法（MMF-BAD）。该方法提取区别眨眼伪迹与正常脑电的十六个关键特征,这些特征涵盖了多通道脑电信号的时域、频域以及空间分布特性,并且结合支持向量机（SVM）实现了高精度的眨眼伪迹检测。另外,通过与Relief算法比较分析,提出利用方差过滤法这种差异化特征选择算法来解决脑电个体差异性问题。MIS-EDS与MMF-BAD方法可以共同组成痫样放电背景下的眨眼伪迹检测方法（EDS-BAD）。在CHZU数据集上,该方法相对于ICA-SVM、WICA-SVM、SVM-AE、GMM四种对比算法的平均准确度分别提高了28.48%、23.19%、11.94%和7.23%。3.针对MIS-EDS不适应高频波动的痫样放电信号以及VME-DWT可能存在的眨眼伪迹检测失效的问题,提出了基于改进的变分模态提取（VME）的眨眼伪迹检测方法（IVME-BAD）。VME可以平滑脑电信号、减少局部高频波动,结合VME与单调递增序列特征提取,可以进一步在痫样放电信号筛选时优化特征,提高准确度。另外,VME-DWT提出的阈值检测方法在脑电信号发生整体性偏移以及多个眨眼伪迹连续存在时会严重失效,所提的改进方法利用差值信号优化了阈值计算方法,并将其作为一维特征进行后续的基于SVM的眨眼伪迹检测。在准确度方面,所提方法相比于VME-DWT有了大幅提高,并且与EDS-BAD相比,平均准确度也提高了1.71%。最后,从工程实际和临床应用的角度出发,利用MATLAB的GUI环境开发了一套基于多通道特征优化的脑电眨眼伪迹检测系统。该系统结合脑电多维特征表示、不同的特征选择算法和分类器模型实现了眨眼伪迹的自动检测,对辅助医护和科研人员进行脑电信号处理与分析有很大帮助,使得研究内容更具实际价值。