从神经电信号中提取出与刺激相关的神经元响应信号对于大脑信息处理机制和脑机接口研究都有着十分重要的意义。然而，由于微电极阵列胞外方式采集的神经信号幅值较小，易受噪声的干扰而产生畸变，尤其在局部场电位信号表现出极强的非平稳性、非高斯性和非线性，使得局部场电位中神经元响应信号的提取具有极大挑战。因此，研究局部场电位信号的噪声抑制方法，提高信号的信噪比是基于局部场电位神经信息处理的关键环节和核心问题之一。本文在深入分析局部场电位及其统计特性的基础上，重点研究了局部场电位中与刺激相关神经元响应信号的自适应提取算法，并在此基础上分析了动物典型状态下神经元响应特征。主要研究结果如下：1:分析了局部场电位的产生机制，给出了局部场电位信号的统计特性，研究结果表明微电极阵列胞外采集技术获得的不同通道局部场电位波形之间具有较高的相似性，而且自发状态下信号的能量随着频率的增加是呈下降趋势的，信号能量主要集中在低频，并具有典型的非平稳特性。2:分析了神经电信号中的噪声类型及其来源，并在基础上将虚拟参考技术引入到了局部场电位信号去噪中，分析了差分参考技术和共同平均参考技术在局部场电位中神经元响应信号提取中的可行性和存在的问题，研究结果表明，虚拟参考技术在局部场电位信号去噪中是可行的，而且与差分参考技术相比，共同平均参考技术更有效。3:针对虚拟参考技术在局部场电位去噪中存在的问题，将自适应滤波理论和虚拟参考技术进行了有机结合，并提出了四种自适应滤波器参考通道的设计方法，用实测数据进行了验证。结果表明，无论从时域还是频域，这四种算法都可以提高局部场电位信号的信噪比，但是相比之下，基于权重平均参考技术的自适应滤波器的去噪效果最好。4:分析了大鼠三种典型状态，即安静凝视、探索、咀嚼的局部场电位响应特性。针对这三种典型状态的局部场电位响应特性，提出了两种具有显著差异的神经元响应特征，并利用这两种神经元响应特征，基于贝叶斯估计理论对大鼠活动状态进行了解码分析，为大脑信息处理机制的研究进行了有意义的尝试。