作为经典的基于事件相关电位的脑-机接口(event-related potential based brain-computer interface,ERP-BCI)范式之一,P300 speller已被诸多临床实验证实具有良好的思维解码性能。无论在正常受试者和残疾患者人群中,P300 speller均可稳定运行。然而,相对于临床使用的需求,当前P300 speller的信息转化效率仍偏低,系统效率存在较大提升空间。近年研究表明,使用动态停止策略(dynamical stopping strategy,DSS)和非个体依赖模型(subject independent model,SIM)可以改善编码效率并减少校准代价,是提升P300 speller系统效率的有效手段。此外,对于编码效率更为重要的刺激间隔(Stimulus Onset Asynchrony,SOA),较少有研究涉及。对于在如何采用DSS和SIM基础上,优化控制SOA以提升系统效率的探索更未见报道。传统研究认为判别模型的SOA和使用该判别模型的系统中设置的SOA应是一致的,在此假设下很难将DSS和SIM与SOA优化整合起来。针对于此,本文研究首先探讨了SIM与DSS在不同SOA条件下的适用问题,研究中采用55名受试者的P300 speller离线数据建立了一个非个体依赖动态停止模型(subject independent dynamical stopping model,SIDSM),并在14名新受试者上在线验证了5种不同SOA条件下的模型适用性。实验结果显示,SIDSM模型能够在不同的SOA条件下保持较高水平的判别正确率,并实现动态停止。非建模SOA条件下的平均识别正确率达到93.06%,平均重复轮次为5.97轮,且与建模SOA条件下的识别率和重复轮次无显著差异。实验结果表明,本文建立的SIDSM具有良好的SOA泛化性能,可以在无更新情况下适用于不同的SOA条件。以此为基础,本文研究中进一步构建了一个自适应调节SOA的P300 speller系统,该系统可以根据使用者的当前使用情况自适应地改变SOA设置。7名受试者的在线实验结果显示,其输出效率可以随着系统使用时间的增加而逐步提高,经过15个字符的操作使用之后,相对于初始情况平均信息传输效率可以提升25.73%左右。实验结果表明,基于SIDSM对SOA进行动态调整,能够有效提升系统效率。本文研究为发展高效P300 speller系统提供了一种新型思路,也为SOA动态调整策略的发展建立了一定的技术基础。