测谎研究是心理学应用研究中的一大热点,近年来,随着事件相关电位(Event Relate Potential, ERP)等技术的发展,基于ERP的测谎方法已经成为现代测谎技术的主要发展方向之一,而P300电位则是实验室测谎研究中最为常用的一种ERP成分,它用于测谎的有效性已经得到了充分的验证。对基于P300的测谎方法的研究与应用有利于犯罪的侦测、反恐和安全防护等领域,为遏制犯罪和维护国家与地区的安全提供新的技术途径。基于P300的测谎技术主要由测谎范式与刺激呈现、脑电数据采集和信号处理分析三个部分组成。脑电(Electroencephalograph, EEG)信号处理方法又可以分为信号预处理,特征提取和模式分类三个步骤,它是基于P300的测谎技术的关键,信号处理方法的好坏直接决定了测谎方法的性能,因此对EEG信号处理方法的研究是非常有意义的。本文在充分研究已有的EEG信号处理方法的基础上,针对EEG信号信噪比低、噪声干扰强且种类多,而传统P300测谎研究的信号处理分析方法中,特征比较单一,无法全面地表征信号的本质特性,并且特征的可分性较低等不足,对EEG信号处理方法及其在测谎中的应用进行了研究。首先,本文结合了多域融合与遗传算法的思想,提出了一种基于多域融合与遗传算法的EEG信号处理方法,将信号预处理与特征提取从时频域扩展到空间域,并且通过遗传算法对特征集合进行筛选,剔除冗余特征,从而得到最优的特征子集。通过想象左右手运动的EEG信号对该方法进行离线验证,提出的算法与传统特征提取方法相比平均分类正确率与最高分类正确率分别提高了1.9个百分点和3.6个百分点,特征数量减少了80%；与实验室原有的研究结果相比虽然平均分类正确率和最高分类正确率分别减少了0.6个百分点和1.2个百分点,但是特征数量减少了70%,有利于实时在线应用。而与单一的频域频带能量特征提取方法相比,提出的方法在特征数量和平均分类正确率这两个性能指标上都有着较大的提高。其次,根据基于多域融合与遗传算法的EEG信号处理方法提出一种新的P300测谎方法,以人脸作为刺激内容,应用三刺激的GKT范式设计并实现了基于P300的测谎实验。对参与测谎实验的12名被试进行EEG信号的采集,使用基于多域融合与遗传算法的EEG信号处理方法对采集得到的EEG信号进行预处理、特征提取与分类,最终得到12名被试在留一交叉验证(Leave-one-out Cross Validation, LOOCV)下的平均分类正确率以及对P刺激和Ⅰ刺激的平均识别率分别为95.53%、90.99%和96.66%。与两篇相关文献中的方法相比,在P刺激识别率上分别提高了11.99个百分点和5.99个百分点,在Ⅰ刺激识别率上分别提高了2.56个百分点和2.83个百分点,在总的分类正确率上分别提高了4.44个百分点和3.46个百分点。第三,根据基于多域融合与遗传算法的EEG信号处理方法所提出的P300测谎方法,设计了模拟网络诈骗犯罪情景,提取犯罪细节相关的文本信息作为三刺激GKT测谎范式的探测刺激,对12名被试进行测谎实验并采集EEG信号。使用基于多域融合与遗传算法的EEG信号处理方法对采集得到的EEG信号进行预处理、特征提取与分类,并且为了提高实用性对该方法在细节上进行了一定的优化。利用Leave-one-out交叉验证法能够得到96.81%的平均分类正确率,判别被试的角色类型时,通过设置阈值Pp%(P刺激被识别为P刺激的概率)与P1%(P刺激被识别为Ⅰ刺激的概率)作为被试所扮演的角色类型的判别标准,若取Pp%＝93%,P1%=92%,则能得到100%的个体识别率。最后,本文介绍了根据E-prime软件、上海诺成脑电采集设备和Matlab软件设计并构建的测谎实验平台。