运动起始视觉诱发电位(motion-onset visual evoked potential, mVEP)近来被应用于基于脑电的脑-机接口(brain-computer interface, BCI)系统之中。mVEP由运动刺激诱发产生,相较于其他的视觉诱发电位,mVEP具有较大的幅度和较小的被试间以及被试内差异,且不容易引起视觉疲劳,因此mVEP-BCI具有重要的应用价值。最近,国内外几家研究单位陆续开展了mVEP-BCI的研究,但是就目前的进展来看,分类识别正确率和信息传输效率仍有很大的进步空间。本文主要围绕以下这三点进行了研究：第一,本论文在总结前人理论研究的基础上,根据mVEP的信号特征,实现了基于mVEP的实用化在线脑-机接口系统。我们采用水平移动的方式作为视觉刺激模块,成功的诱发出了高质量的mVEP脑电信号,并解析编码了对应的控制指令,实现了对虚拟红色小球自由移动的控制。同时,依据被试实验结果,还简要分析了mVEP在被试间和被试内的差异性问题。第二,在被试特征差异的基础上,本论文基于前面的工作,在之前构建的mVEP-BCI的基础上,将广泛运用于基于运动想象的脑-机接口系统等脑-机接口系统的CSP特征提取算法应用到了mVEP-BCI中,并取得了不错的效果,有效的提升了mVEP-BCI的识别准确率。第三,为了提高mVEP-BCI的信息传输率,本论文构建了一种新的适用于mVEP-BCI的动态停止策略方法。mVEP是视觉运动反应的一种头皮脑电,一般包含P1,N2和P2三种成分。通常情况下,需要通过几次叠加来提高mVEP信号的信噪比,但是,更多的叠加次数意味着需要更多的任务时间,无疑会降低范式的执行效率。考虑到被试状态的不稳定性,基于被试实时mVEP的信号质量确定相应的叠加次数,对提高基于mVEP的脑-机接口系统的通信效率有非常重要的作用。在我们的研究中,根据训练数据的真实信息传输率,我们利用mVEP脑电信号的3个主要成分构建了一个脑-机接口系统中实验刺激的动态停止策略。在在线测试的过程中,实验的重复刺激会在实时脑电信号达到预先设定的阈值时自动停止,并开始新一轮任务的刺激。评估测试的结果表明,我们提出来的动态停止策略,能够显著地提高基于mVEP的脑-机接口系统的信息传输效率。由于在实际应用中,脑-机接口系统的信息的传输效率非常重要,所以对其的改进也就具有非常重要的价值。