脑-机接口(Brain-Computer Interface，BCI)是一个多学科共同研究的领域，它的研究工作涉及到神经科学、生理学、心理学、工程学、计算机科学和康复学等诸多学科领域。BCI交互系统是一种基于硬件和软件的人工智能系统，它能够直接将用户的各种脑活动信号转换成控制命令，使得用户可以在不借助本身的外周神经和肌肉组织的情况下，直接控制外部环境或者与外界进行交流。BCI系统对严重运动障碍的患者是非常有吸引力的，运用该系统不仅可以提高这类病人的生活质量，还可以减少他们对重症护理的需求，节省了医疗费用。目前，BCI研究的两个主要方向是BCI范式和脑信号处理算法。BCI范式的主要作用就是调制出可控制性强，可辨识度高的脑信号模式特征，通过这种特殊的脑信号模式特征，BCI系统才能将用户的“意图”传递到外界。BCI范式的构建可以借助多种不同的脑信号模式，EEG（Electroencephalogram，EEG）模式是较为常用的一种，EEG的采集成本低廉，且安全可靠，其在BCI范式的研究中应用最为广泛。事件相关电位(Event Related Potential，ERP)是一种典型的EEG模式特征，也是构建BCI范式最常用的脑信号模式特征之一。　　首个ERP-BCI范式是由Farewell和Donchin于1988年提出，也被称作Oddbali范式，经过研究者们三十年的努力，Oddball范式已经非常成熟。但是，Oddball范式对于那些不能自由转移视线凝视方向的患者来说，其应用效果是非常差的。针对这一问题，Acqualagna等人于2010年提出了一种基于快速序列呈现(Rapid Serial Visual Presentation，RSVP)的ERP-BCI范式，这种基于RSVP的ERP-BCI范式也被直接称作RSVP-BCI范式，该范式的有效使用不需要用户拥有转移视线凝视方向的能力。紧接着，Acqualagna和Blankertz于2013年对RSVP-BCI范式进行了进一步的完善，即便如此，RSVP-BCI范式在性能上也与传统的Oddball范式相差甚远。本文主要对基于RSVP的BCI范式的构建问题进行了系统深入的研究，旨在提高以人因工程和工效学(Human Factors and Ergonomics，HFE)为核心的RSVP-BCI系统的整体性能。本研究工作的主要创新点如下:　　(1)针对人脸刺激应用于ERP-BCI范式时产生的诸如肖像权和不易编辑等问题，提出了一种新的基于卡通脸刺激的ERP-BCI范式，卡通脸刺激能够避免人脸刺激带来的这些问题。与此同时，实验结果显示卡通脸和人脸刺激诱发的事件相关电位非常相似，基于卡通脸和人脸刺激的ERP-BCI范式的离线和在线性能同样优异。　　(2)针对基于卡通脸刺激的RSVP-BCI范式的目标刺激与非目标刺激差异性小，不易区分，以及范式带给用户疲劳感较大的问题。分别提出了两种RSVP-BCI范式:基于彩色卡通脸刺激的RSVP-BCI范式和基于彩色卡通眼刺激的RSVP-BCI范式，这两种范式各刺激之间的差异性较大，易于被试区分。实验结果表明，和基于卡通脸刺激的RSVP-BCI范式相比，基于彩色卡通脸刺激的RSVP-BCI范式的性能更加优异，但是带给用户疲劳感较大的问题并没有解决。对于基于彩色卡通眼刺激的RSVP-BCI范式，被试反馈的统计结果显示，该范式带给被试的疲劳感更小。并且，实验结果也显示该范式在性能上与基于彩色卡通脸刺激的RSVP-BCI范式相近，而且都很优异。　　(3)针对涉及较多控制命令（36个）的RSVP-BCI范式信息传输率低的问题，提出了一种新的刺激编码方式，基于该编码方式的RSVP-BCI范式能够使用更少的闪烁刺激编码更多的控制命令，节约了刺激呈现的总时间。实验结果显示，与采用传统刺激编码方式的RSVP-BCI范式相比，采用新刺激编码方式的RSVP-BCI范式的信息传输率有明显提高。　　(4)针对RSVP-BCI范式刺激呈现时间(Stimulus Duration，SD)的选择问题，对一系列采用不同SD的RSVP-BCI范式进行了离线和在线测试，通过对实验结果的对比分析，总结出选择较优SD的三条准则:第一，选择的SD必须足够用户完成相关的精神任务;第二，在一定程度上，SD越长，给用户带来的疲劳感越小;第三，在前两个条件得到很好的满足之后，应该尽量选择小的SD。　　(5)针对影响BCI用户的间接因素评估问题，设计了一种能够给出更高可置信度评估结果的评估策略，该策略不仅考虑了评估结果的可置信度，而且考虑了评估成本问题。