脑机接口(brain-computer interface,BCI)是一种不依赖人的肌肉和外周神经等正常输出通道的新的通信系统。运用工程技术手段可以让人的思维直接转化为外部设备的控制命令。目前,无论在识别速度还是在识别准确度方面,基于视觉诱发电位(visual evoked potential,VEP)的BCI系统都保持了明显的优势,因此,也引起了越来越多的研究者的关注。本文从BCI的实际应用出发,构建了一种基于稳态视觉诱发电位(steadystate visual evoked potential,SSVEP)的脑机接口阅读系统。系统采用CPLD平台设计视觉刺激模块,运用典型相关分析(CCA)算法在Visual C++平台上设计一个实时在线程序采集、分析脑电信号,并产生控制信号用于控制鼠标光标移动和阅读器翻页等操作。通过8位受试者的实验数据表明,设计的SSVEP BCI阅读系统,产生控制指令的正确率高达94%,信息传输率(ITR)为40.98比特/分钟。该系统可以有效改善严重运动障碍残疾人无法与外界交流的生活现状,提高残疾人的生活品质。基于编码调制的视觉诱发电位(code modulated visual evoked potentials,cVEP)脑机接口系统是当今报道的性能最好的BCI系统之一,但鲜有文献对其进行彻底研究。c-VEP BCI采用M序列和其移位序列调制刺激目标,用模板匹配法进行目标识别。本文第五章设计了五组实验来研究c-VEP BCI的刺激特性,如刺激目标大小,颜色,各刺激目标之间的间隔,调制序列的码长和调制序列的移位间隔对系统识别率的影响,并通过改变这些参数的值来观察系统识别率的变化,找出最优刺激特性。7名受试者的结果表明:当系统满足M序列长度为63并且移位间隔为4,刺激大小为视觉角度3.8°,刺激颜色为白色,相邻刺激目标间隔4.8°这些条件时,系统表现为最佳状态。本文的这些发现可为构建高性能的c-VEP BCI系统打下良好的基础。