脑机接口是一种不依赖于肌肉组织和外围神经,在大脑与外部设备之间建立一种新型信息传输通道的装置,主要由数据采集、信号处理、设备控制三个部分组成。作为一种新型的人机交互方式,BCI在帮助残疾人,控制仪器,甚至在娱乐等领域都有着越来越丰富的应用。P300电位是一种内源性的相关电位,其具有产生稳定,无需训练的特点,是BCI系统常用的脑电信号之一,如基于Oddball范式由Farwell和Donchin设计的字符拼写器等,系统实际采集到的P300不仅数据量大且信号非常微弱,信噪比低,且往往被如眼电、肌电、心电等多种伪迹成分干扰,需要对采集到的P300脑电信号进行去噪和优选电极、特征提取等处理,因此合理有效的P300脑电信号预处理和特征提取算法对基于P300的BCI系统具有重要的研究意义。本文在充分研究已有成果的基础上,对P300脑电信号中眼电伪迹自动去除,电极组合动态选取以及动态特征提取算法进行了一系列研究,并进行了离线验证,主要工作和取得的成果如下：(1)在脑电信号(EEG)采集过程中,不可避免地会引入各种伪迹和干扰,特别是眼电干扰,幅度较大,对脑电信号的分析和应用有很大影响。针对传统盲源分离算法(BSS)用于眼电伪迹去除大都存在伪迹过估计,以及需要人为辨别伪迹成分不适合在线应用等不足,提出一种基于独立分量分析算法(ICA)的眼电伪迹自动去除方法。利用ICA算法对信号进行分离得到独立成分,以相关系数作为判据,针对垂直眼电(VEOG)和水平眼电(HEOG)的各自特点确定不同的时间窗,寻找最大相关成分组合标定眨眼或眼动活动发生的时域区间,将找到的存在伪迹的成分区间置零并重建脑电信号。通过真实P300脑电数据实验,结果表明：该方法自动去除眼电伪迹的同时能有效地保留EEG信息,且处理过程简单易行,克服了眼电伪迹过估计等问题。与二篇相关文献对比,算法重建的EEG信号与原始EEG信号的平均相关系数分别从0.8513和0.9006提高到0.9237,而均方误差分别减少了19.3%和16.6%,适合在线应用。(2)针对脑机接口中待处理脑电信号数据量大,以及脑电信号其本身因人而异的特点等问题,本文在研究已有脑电信号预处理算法的基础上,提出了一种基于独立分量分析算法的电极组合选取算法。首先利用ICA算法对P300脑电信号进行成分分析,以独立分量250-400ms内的峰值和时域能量熵作为判据,标定P300成分；然后找出这些标定的P300成分在空间投影中具有较大权重的电极,这些电极便是找出来进行后续特征提取和分类的电极组合。通过国际BCI竞赛P300实验数据对提出的算法进行验证,结果表明：算法能根据被试者的不同特点选取不同的电极组合,不仅减少了系统的数据处理量,也克服了脑电数据因人而异的问题。本文提出的方法同样使用4-5导电极,但比相关文献提出的固定4个导联的算法分类正确率提高了178%；而对比相关文献提出的固定8导电极的算法,在分类正确率降低较少的情况下,减少了43.75%的数据量,由于选取电极的过程是离线进行,选出电极之后再用于在线实验,因此提出的电极选取算法并不增加在线时间开销。(3)针对脑机接口中待处理脑电信号数据量大,提取特征较为单一,以及传统脑电信号特征提取算法没有考虑脑电信号因人而异的特点等问题,本文在研究已有脑电信号特征提取算法的基础上,提出了一种基于ICA算法和小波变换的P300脑电信号动态特征提取算法。首先利用ICA算法对P300脑电信号进行成分分析,根据P300脑电的先验知识,对独立成分进行优选后重建信号,以此得到P300特征增强后的脑电信号；然后用小波变换进行分析,以Fisher距离作为判据,分别找出以小波变换后的近似系数、细节系数为特征时可分性较大的电极组合,以此获得2种特征下不同的较佳可分性电极组合；结合(2)选出的电极组合的时域特征,将这三种较佳可分性电极组合对应的特征作为特征向量进行分类。通过国际BCI竞赛P300数据对提出的算法进行了验证,结果表明：算法能通过选取较佳可分性组合的方式来针对不同被试者选取不同的特征组合,对比相关文献,平均分类正确率提高了4.5%,适合在线应用。