脑机接口(Brain-computer interface,BCI)是人脑和计算机或其他电子设备之间建立的一种直接的信息交流和控制的通道,是一种不依赖常规大脑输出通道(外周神经和肌肉组织)的全新的信息交流系统,它是电子技术,计算机技术发展的必然产物。BCI作为一种全新的信息交换和控制技术,正受到越来越多的重视,它不仅能为瘫痪病人提供一种与外界进行信息交流和控制的新途径,而且能应用于航天、特殊环境作业等其它领域。大量神经科学研究表明,受试者在受到事件相关刺激时大脑皮层会出现特定的电活动。根据这些电活动,就能识别出受试者不同的意图。最后根据不同的意图输出不同的操作命令,便可实现对计算机等外部设备的直接控制。实现此类脑机接口系统的关键在于如何快速准确地把记录到的脑电信号(如P300)识别出来并其转换成计算机所能接受的命令。基于P300的脑机接口,重要的问题就是将与视觉刺激反应相关联的脑电信号进行提取和分类。主要针对在脑机接口实验中单个受试者的字符矩阵视觉刺激响应问题,在深入研究现有算法的基础上,分别从特征提取环节、字符识别环节进行了研究和改进。特征提取环节针对P300时域波形特征参数,采用基于PCA的特征提取算法定位P300样本信号中的P300分量、并能够将特征进行融合。特征分类环节中提出了一种用集成分类方法处理脑机接口信号的方法。每个分类器由一个基于一小部分数据训练的线性支持向量机组成,每一部分数据都是由通道选择程序产生,进一步提高了P300脑机接口信号分类的正确率。本文的算法在应用于dataset II of the BCI Competition III标准数据时取得了最好的效果,而且通过在实验室用Nueroscan系统自行采集、处理的ERP脑电数据进一步得到了验证。