为消除眼电伪迹(　ocular　artifact,　OA)对脑电信号(　electroencephalography,　EEG)造成的严重影响,提出一种基于局域均值分解法(　local　mean　decomposition,　LMD)与典型相关分析(　canonical　correlation　analysis,　CCA)的眼电伪迹自动去除方法,记为LMDC法。首先,利用LMD将每导脑电采集信号自适应地分解为一系列具有物理意义的乘积函数(　production　function,　PF)分量,通过CCA去除PF分量之间的相关性,获得相应的典型变量；其次,计算每导脑电信号与多导眼电信号间的相关系数矩阵,实现眼迹成分的自动识别,将典型相关变量中对应眼迹成分的部分随机变量置零,其余随机变量不变,得到新的典型相关变量；最后,基于CCA逆变换将新的典型相关变量投影返回得到眼迹去除后的PF分量,并进一步重构出眼迹去除后的脑电信号。基于BCI竞赛数据库进行实验研究,结果表明：LMDC法相对其他常用方法获得了较好的眼迹去除效果,并对多位实验者和多种眼迹表现出较强的自适应性。