意识任务的识别就是根据采集到脑电(Electroencephalogram，EEG)信号解读出意识活动者的意愿，脑—机接口(Brain-computer interfaces，BCI)就是实现这种目的的一种系统。许多患有诸如脑瘫等神经肌肉障碍疾病的人与外界传递信息的通道被阻断了，他们基本的活动功能和正常的交流能力往往都被剥夺了，最为严重的是这些表达意愿的信息可能被完全阻断在体内从而使患者不能以任何方式传递出去。BCI的研究目的就是通过获取与人的意识任务活动相关的EEG信号，建立一种不依赖于人体外围神经系统及肌肉组织而在人与周围环境间进行信息交流与控制的新型通道。本文在综述国内外研究现状的基础上对基于EEG的左右手(击键)动作的意识任务识别在以下几个方面进行了研究讨论：(1)基于频-空滤波的功率谱估计提取特征的方法对EEG信号的来源、产生机理和结构等进行分析，运用经典功率谱估计，AR模型功率谱估计等方法对想象左右手意识动作的脑电信号进行特征提取，以频带能量作为特征并比较其性能。实验表明对基于ERD／ERS(event-relateddesynchronization／event-related synchronization，ERD／ERS)的脑电信号进行频-空滤波后采用AR模型功率谱估计提取的特征在左右手意识动作识别中取得了比较好的结果。(2)脑电信号在时域的特征分布BP(Bereitschaftspotential，BP)是与人的肢体运动相关的、构成大脑皮层电位的主要成分，它是在肢体实际动作之前大脑皮层电位缓慢变化的一种生理现象。在左右手实际动作之前，分布于大脑皮层的BP电位在一些电极的变化是相当明显的，有比较大的差距，而且这种差距是随时间变化的。因此，在时域中我们根据脑电信号BP电位波形幅值的变化作为特征提取的依据，提取时域的一些特征并取得了比较好的结果。(3)BP神经网络算法运用神经网络进行模式的识别一个重要特点就是它能够有效的解决很多非线性问题。对基于脑电这种复杂的非平稳、非线性随机信号的意识任务识别，文中通过实验调整和选择BP神经网络的参数和算法，取得了比较好的结果。(4)集成神经网络算法对一个特定问题，通常有大量的、不同类型的特征可以用来表示和描述模式。这些特征的表示方式各不相同，难以将它们结合在一起用一个单独的神经网络进行处理。此时，采用不同的神经网络处理不同的特征，从不同方面反映被识别对象，再对各识别结果按文中提出的方法进行集成。