在相同的外部刺激下,不同受试大脑之间的脑电响应存在着一定的联系,同时表现出一定的相似性与差异性。脑电数据在受试维度上丰富的信息还没有被充分的挖掘与利用。本论文旨在挖掘脑电受试维度上的信息,并将其应用于脑-机接口中。瞬态诱发电位和稳态诱发电位是两大类具有不同特点的脑电诱发响应信号。本文针对它们在受试维度所表现出的不同特点,采用不同的策略挖掘和利用它们在受试维度的信息。对于单试次瞬态诱发电位信号,由于其信噪比低,受自发脑电影响严重,受试间差异较大。本文采用信息整合的策略利用受试间信息。首先,本文通过整合多个受试的事件相关电位信号,构建了可基于群体脑电进行快速决策的协同脑-机接口系统,扩展了脑-机接口的应用。同时,本文利用协同脑-机接口中受试间差异,提出了高效的受试信息整合方法和分类器更新升级方法。此外,本文通过引入相似感知熵分数及多任务学习方法,进一步挖掘受试间的相似性,提出了新的多受试信息整合方法与潜在应用。对于稳态诱发电位信号,由于其信噪比相对较高,信号特征主要由外部刺激决定,受试间相似性较强。本文采用信息迁移的策略利用受试间信息。首先,本文提出了tt-CCA和ott-CCA算法,可将已有受试数据信息迁移应用到新的受试上,提升基于稳态视觉诱发电位脑-机接口的性能。这样的方法避免了新的受试的训练过程,改善了脑-机接口的用户体验。此外,本文通过进一步精细挖掘受试间的差异性优化了算法框架,提出了owtt-CCA算法。改进后的算法,不仅使稳态视觉诱发电位脑-机接口的性能得到了进一步提升,在适用范围上也可被推广应用到基于M序列调制视觉诱发电位的脑-机接口范式中。最后,本文还研究了在线脑-机接口信息传输率的估计问题。本文提出了应对信息传输率估计过程中各种不确定性因素的指导原则,同时给出了一个以任务为驱动、可用于各类范式脑-机接口性能评估的通用测试平台。