患有肌萎缩性脊髓侧索硬化症、多发性硬化、脑瘫和脑损伤等神经系统疾病的病人大脑与外部环境进行交流和控制的神经肌肉通路已经受到严重伤害,从而部分或全部失去自主的的肌肉控制能力。为了改善他们的生活质量和减轻家庭与社会的负担,脑机接口技术展现了光明前景。脑机接口(brain computer interface, BCI)是大脑与外部设备的直接通讯通路,不依赖于大脑的正常输出通路即外周神经和肌肉组织。在诸多的脑机接口模式中,基于稳态视觉诱发电位的BCI系统能提供更高的分类准确率和更快的信息传输率。因此,对此类系统进行研究无疑具有重大价值。当视觉刺激以大于4 Hz的频率闪烁时,大脑信号将被刺激调制,并产生周期性的节律,表现在脑电上是在对应于刺激频率或其谐波上出现谱峰,这就是稳态视觉诱发电位(steady state visual evoked potential, SSVEP)目前大部分基于SSVEP的BCI系统采用从4 Hz到30 Hz之间的频率。该频率段存在着易诱发视觉疲劳、诱发癫痫的高危险性和与自发脑电频率段相重合等缺点。因此,高于30 Hz的频率更实用,因为它们更接近于临界融合频率。但是,可供使用的频率范围有限。目前研究表明,SSVEP相位可以作为SSVEP的一个特征指标。为了更有效提取SSVEP相位,本文首先提出了一种结合最大对比融合和共空间模式的名为平均最大对比融合的空域滤波器设计方法用于把多电极导联数据融合为单通道数据来增强SSVEP信噪比,然后利用基于Hilbert变换的相位同步分析方法提取SSVEP与刺激信号之间的相位差来描述SSVEP相位,进而实现一个高性能(分类准确率为94.47%±6.02%和信息传输率为36.03±5.42 bits/minute)的实时四选项BCI系统。与其它研究相比,本文提出的SSVEP相位检测方法所需的数据长度更短,而且检测性能比单电极导联更稳定。针对单一频率下可用相位数目的有限性,本文研究了编码理论在提升刺激模式数目的可行性,提出了一种基于循环编码的循环类纠错编码。仿真数据和实例分析结果表明,该编码能有效的提升刺激模式数目,而且在编码中应该去除相位变化为码长减去1的码字。为了从背景脑电中更有效的识别出SSVEP信号,本文利用参数调节随机共振方法来利用脑电信号中的噪声来增强SSVEP的信噪比。该方法首先利用基于自回归模型的白化滤波器去除脑电频谱中存在的1/f趋势；然后利用改变采样频率的频率压缩方法把SSVEP频率线性转换为小于1的频率,使白化滤波后的信号符合随机共振产生的条件；最后,调节双稳态系统参数实现随机共振效应,从而增强SSVEP信噪比。结果表明,采用本文所提出的方法处理后,原本淹没在背景噪声中的SSVEP频率在频谱中凸显出来。该方法用于经过空域滤波器处理后的信号时,SSVEP信号的信噪比依然得到了显著提升。另外,本文研究了当刺激信号中引入不同强度噪声后SSVEP响应的变化,发现了在某种噪声强度下SSVEP响应优于无噪声情况,存在着随机共振现象。脑电信号是一种复杂的非线性信号,既有确定性成分又含有随机信号。本文采用样本熵对不同实验条件下获得的脑电数据进行了分析。首先是从背景脑电中识别SSVEP.当利用样本熵作为指标时,SSVEP信号的样本熵显著低于静息脑电,而且对于多名受试者,静息脑电的样本熵值比较接近,这说明样本熵能作为通用指标来识别SSVEP.为了扩展样本熵的应用,本文从脑电信号的复杂性角度来研究经皮穴位镇痛机制,对在静息状态、致痛状态和治疗状态下进行分析后得到：受试者致痛后,大脑的无序程度和复杂性升高,电刺激合谷穴时,大脑的随机性和复杂性降低；样本熵的变化趋势与受试者口述的疼痛变化过程相一致,这表明样本熵可以用于描述疼痛变化趋势,经皮穴位电刺激调制了脑活动。而且,样本熵也被用于识别眨眼伪迹分量,发现该分量的样本熵比其它分量小。