在脑电(Electroencephalogram,EEG)和功能磁共振成像(FunctionalMagneticResonanceImaging,Fmri)联合采集中,脑电信号中含有大量因被试心跳引起的心电伪迹,这种伪迹对脑电信号的影响模式复杂,且因人而异,尤其是在强磁场环境下,这种干扰会严重影响脑电信号的质量,因此如何校正强磁场环境下记录的脑电信号中的心电伪迹是联合采集领域的研究热点和难点之一,己引起了研究者的广泛关注。目前,已有大量关于离线去除心电伪迹法的研究,这种方式只能用于数据的后分析,在线去除心电伪迹法的研究还比较少见。为了实现脑电活动的实时可控和同步数据的在线联合分析,有必要对在线去除心电伪迹的算法进行更深入的研究。　　本论文针对磁场环境下心电伪迹校正方法进行了探讨,主要对实时校正EEG/Fmri联合采集所记录的脑电信号中的心电伪迹算法展开研究。　　目前常见的离线校正心电伪迹算法分为波形去除法(WaveformRemovalApproaches)和空间模式去除法(SpatialPatternRemovalApproaches)。前者主要包括平均伪迹减法(AveragedArtifactSubtraction,AAS)和最优基组算法(OptimalBasisSet,OBS)等,后者主要包括主成分分析法(PrincipieComponentAnalysis,PCA)和独立成分分析法(IndependentComponentAnalysis,ICA)。已有的在线校正心电伪迹算法有在线平均伪迹减法(Real-timeAveragedArtifactSubtraction,rtAAS)、在线滤波法和多通道回归最小二乘法(Multi-channelRecursiveLeastSquares,M-RLS)。基于叠加平均思想的rtAAS算法所构造的心电伪迹模板灵敏性降低,无法及时地反映其模式的变化,而OBS算法是一种可以克服以上问题的有效算法且未被用于在线校正心电伪迹。　　本文将OBS算法实时化作为一种新的在线校正心电伪迹的算法。为了实现在线最优基组算法(Real-timeoptimalbasisset,rtOBS),我们首先对自适应组合阈值心电R峰值检测算法进行改进使其可以实时检测心电R峰值,再进行加窗处理。最后将实现的。rtOBS算法应用于模拟数据,得到了较好的在线去除心电伪迹的结果。　　rtOBS算法在记录良好的心电信号情况下有很好的效果,但磁场环境下记录的心电信号可能会发生失真,实时心电R峰值检测算法就无法准确的标记心电R峰值。针对这一情况,本文提出了一种基于脑电电极通道中心电伪迹峰值特征的校正算法来校正因错误标记的心电R峰值生成的脑电信号后半分段,进而准确的标记心电R峰值,为获得准确和干净的脑电信号奠定良好的基础。我们将改进后的rtOBS算法用于模拟数据,发现改进后的rtOBS算法较未改进之前去除心电伪迹的效果更好。　　最后,我们将这两种算法应用于真实数据,分别采用了功率谱密度、准确度和敏感度评判指标,对改进前后的rtOBS算法进行测试,比较了二者的实际效果,结果显示,改进后的rtoBS算法能得到各项指标更优的去心电伪迹干扰效果。最后提出了今后的研究方向。