脑电信号(EEG)是通过电极记录下来的脑电细胞群的自发性、节律性电活动，是反映大脑活动状态的重要信号，它包含了大量的生理与病理信息，对其作深入的研究有助于临床医生提高对大脑病变诊断和检测的可靠性和准确性。所以脑电图检查在临床诊断中起着越来越重要的作用。 但是我们能够获得的脑电信号一般非常微弱、并伴有很强的背景噪声，是典型的非平稳的随机信号，且存在一定的非高斯性和非线性。这使得脑电信号的噪声去除工作尤其重要。传统的分析处理方法一般舍弃含噪声过高的信号或者将脑电信号近似认为是线性的准平稳的随机信号来进行分析处理，这使得分析结果往往不能令人满意且实用性差。独立分量分析(Independent Component Analysis，ICA)是近十年来随着盲信号分离(Blind Source Separation，BBS)技术的发展而出现的一种新的信号分析方法，在国际上已成为信号分析及处理领域的研究热点。 本文首先在深入分析脑电信号处理方法的基础上，利用实测脑电信号对各种方法进行了仿真，通过对各种方法的分析和讨论，考虑到脑电信号自身的特点以及脑电信号获取的特点，均满足ICA方法关于源信号之间要求独立以及线性混合的条件的要求，提出利用ICA方法从多元统计分析的角度对脑电信号进行处理和分析，成功地去除了实测脑电信号中的心电伪迹和工频噪声，并提取出了闭眼脑电信号的特征波形α波。 本文主要研究内容和结果如下： 1．系统总结和讨论了脑电信号特点、分类、获取及常用分析方法； 2．利用实测脑电信号对各种方法进行了仿真，并对各种分析方法的优缺点加以充分认识及总结； 3．在简要介绍了ICA方法相关概念和算法的基础上，研究和论证了ICA方法应用于脑电信号噪声消除工作的可行性； 4．利用ICA方法对实测脑电信号中的心电伪迹和工频噪声进行了消除，成功去除噪声并保留脑电信号的特征不变。 5．论证了ICA方法用于闭眼脑电信号中特征波形α波的提取的可行性，并用于实测闭眼脑电信号α波的提取。结果表明该方法可有效提取闭眼脑电信号中的α波成分。