脑机接口是指一种不依赖于人脑的正常输出通路的脑-机通讯系统，是一种新的人机接口方式。它的实质为通过脑电信号推断人的想法或目的，从而实现人机交流。本文主要工作是对脑电信号进行特征提取和分类。　　 本文特征提取主要应用三种方法，奇异谱分析(Singular Spectrum Analysis,SSA)、功率谱分析(Power Spectrum Density,PSD)和小波包分解(WaveletPacke,WP):这三种特征提取方法各有特点，奇异谱利用脑电的非线性特征，通过相空间重构，提取出脑电的空间特性。功率谱分析把脑电信号看成是随机信号，提取其频域特征；小波包分解将脑电信号做高低频分解，然后对高频和低频部分再做高低频分解，一直到频段与脑电自发节律相对应为止，提取了脑电节律特征。　　 本文特征分类中应用三种方法。K近邻分类器(K-Nearest Neighbors,KNN)，人工神经元网络(Artificial Neural Network,ANN)，支持向量机(Support Vector Machine,SVM)分类。K近邻分类器，由周围K个点中类别较多的点所决定，具有分类判别简单，算法复杂度低，分类迅速等特点。人工神经元网络分类，具有通过学习逼近任意非线性映射的能力，便于给出工程上易于实现的学习算法。支持向量机分类，把输入空间的样本通过非线性变换映射到高维特征空间，然后在特征空间中把样本线性分开的最优分类面。　　 本文最后针对BCI大赛给出的标准数据，将不同的特征提取算法与不同的分类器组合。对比不同的特征提取算法和分类算法组合，给出最佳分类结果。2003Ⅲ的数据使用SSA特征提取算法，KNN分类器，取得最高的分类正确率85％,2003Ia的数据使用PSD特征提取算法，ANN分类器，取得最高分类正确率86.7647％。