脑电特征信号的检测与识别是生理电信号在工程领域中的一个重要应用。该研究的主要目的是实现脑-计算机接口——把脑电信号转换为控制信号的系统。国际上许多学者为此投入了大量的研究工作，研究方法主要是对不同导联利用频谱分析和相关模型及能量统计等来寻找思维过程中的独立特征并对它们分类，多数人使用诱发脑电信号用于控制。但产生诱发脑电信号需要一定的外界刺激，难以灵活实现人脑的主动控制，并且这种方法需要花费大量的时间用于受试者的刺激训练，使其应用性受到限制。 为此，在查阅众多相关文献和进行大量实验的基础上，针对自发脑电信号提出了一种新的研究方法：脑电信号(EEG)是一种的非平稳信号，由于其信号较弱，很容易淹没在噪声中，小波分析对非平稳随机信号具有良好的时频局部特性和变焦能力，通过多层小波分解可有效的将EEG主要能量信息从噪声中提取出来。自发脑电的产生往往表现为信号的一个突变，但即使是在安静状态下，EEG也常会伴有小范围的非平稳变化，为排除这种干扰，笔者设计了一种双小窗的方法来检测特征脑电的突变，具有较好的抗干扰性。人工神经网络最大特点是有很强的多输入并行处理能力、非线性映射能力，以及通过新的学习获得自适应性的能力。还设计了一个单隐层的BP网络，然后把一些典型的特征信号向量作为神经元网络的输入，并指定其输出结果，然后对网络进行训练，收敛后，在其输出端即可实现对特征信号样本进行分类。 为便于系统分析脑电信号，又设计了一套分析软件，整个软件系统是在MATLAB7.0的环境下编写的，主要实现读入从脑电图仪采集到的脑电信号，进行脑电信号的滤波，自动提取特定思维诱发的脑电信号并利用识别算法分类。