随着脑科学研究的发展,单模态的脑电信号观测越来越难以满足目前的研究需求。神经成像技术与电生理记录的结合互相取长补短,提供了多维观测的研究手段。其中EEG与功能磁共振成像(fMRI)的结合引起了广泛研究和关注,在很多领域发挥了不可替代的作用。但是在EEG-fMRI联合采集中,EEG信号受到核磁环境的严重干扰,如何有效去核磁除噪声从而得到高质量的EEG信号是同步研究的难题。本文对EEG-fMRI联合采集下EEG信号中的伪迹成分进行了分析,介绍了去除核磁伪迹最常用的平均模板相减(AAS)方法和基于PCA的最优基组法(OBS)。AAS计算简单,能有效去除大部分核磁噪声,但仍会留下残余;最优基组法在AAS的基础上用PCA提取残余伪迹并去除,但由于提取结果不稳定及不能自适应的选择伪迹成分而容易造成有效信息的损失。本文重点研究了基于ICA去除残余核磁伪迹的方法。ICA假设源信号之间相互独立,比PCA的不相关约束更强,因此ICA能够更好地分离脑电信号与噪声信号以提取残余噪声成分。并且本文通过分析核磁噪声频谱能量分布的特点以及其与MRI扫描周期的相关性,提出了一种有效的自动识别ICA分离后得到的独立成分中核磁伪迹成分的方法。该方法通过计算每个独立成分中核磁倍频能量与低频脑电能量的占比,可以简捷可靠地判定核磁伪迹,克服了传统的ICA去噪方法需要通过观察波形等多种特征手动选择伪迹成分的不便性,提高了ICA的去噪性能。此外,通过对ICA去噪结果进行分析,发现由于ICA不能彻底的分离脑电成分与核磁噪声成分,传统的将伪迹成分置零的强制去噪方法会造成脑电信号的损失。因此,本文提出了结合小波的ICA去噪方法,在ICA分离出独立成分后,用小波多分辨率分析技术对判定为核磁噪声的独立成分进行多层分解,并用低频近似系数进行单支重构提取出伪迹成分中的脑电信息并保留下来,这样既可以有效的去除核磁噪声,又避免了有效信息的损失。最后通过离线实验对两种去噪方法的效果进行了对比,验证了结合小波的ICA去噪方法的优越性,并对实验结果进行了分析讨论。