随着脑科学和计算机科学研究的迅猛发展，脑-机接口技术取得了长足的进步。脑-机接口是一种不依赖大脑与外周神经和肌肉组织正常输出通道的通信系统。脑-机接口能够为那些具有肢体功能障碍、中风或其他神经功能障碍的人们提供一个与外部世界交流的途径。因而，发展脑-机接口技术对于改善他们的生活质量具有重要意义。　　脑-机接口主要包括非侵入式脑-机接口和侵入式脑-机接口两种。侵入式脑-机接口又称植入式脑-机接口，它通过将微电极阵列直接植入大脑特定区域，来获得该区域精确的大脑神经信号，相比非侵入式脑-机接口，具有信号质量好，时间、空间分辨率高，不需要提前训练等优点。　　植入式脑-机接口研究包括两方面的内容：一是神经元放电记录设备，二是神经元放电信号数据处理算法。本课题对这两方面内容的部分技术进行了探索。文中首先介绍了获取细胞外神经元放电信号数据的两种方法。一种方法是通过电生理技术来获得大脑特定区域的真实的神经元放电信号。我们设计、实现了一套轻量、微型，可直接安置在自由活动小动物脑部的脑电采集系统。本文中详细介绍了该装置模拟前端的设计与实现，并简要阐述了背载系统的实现思想。另一种方法是为了研究脑电处理算法的方便，通过对真实脑电组成成分的分析，建立数学模型，来仿真得到神经元放电数据。本文接着提出了一种基于分段优化的形态学滤波器的动作电位检测方法。形态学滤波器的结构元素由高斯函数来构建，通过给出一个评价函数和参数优化流程，使用于形态学运算的结构元素逼近脑电中动作电位的形状，从而将动作电位和背景噪声分离开来。再通过对形态学滤波器的输出信号使用一个自适应阈值，实现了动作电位的自动检测。本文最后使用真实脑电数据和仿真脑电数据对该方法进行了测试，并与现有的动作电位检测方法进行了比较。结果表明，该方法取得了更高的检测率。　　综上，本课题对脑电采集设备设计与实现、脑电仿真数据生成和动作电位检测方法进行了研究，实现了脑电数据采集、背景噪声抑制和高精度的动作电位检测，为后续动作电位聚类、动作电位序列统计分析等工作打下良好的基础。