脑-机接口（Brain Computer Interface,BCI）可以通过神经系统活动实现对外部设备的控制。但是BCI会出现解码错误,导致外部设备做出与用户意图不符的决定。当人们认识到错误发生时,大脑中产生的错误相关电位（Error-Related Potentials,ErrPs）为识别BCI的错误提供了新途径。然而不同的视觉刺激模式不仅会影响ErrPs,还会影响基于ErrPs的错误识别。视觉刺激状态（动态与静态）和时长（长时与短时）是影响视觉刺激效果的两个重要因素。因此,本文研究了不同视觉模式下的大脑错误响应,并基于不同模式下对错误敏感的ErrPs进行时间窗的最佳选择,最终提出不同视觉刺激模式下的错误识别方法。为了探究不同视觉刺激状态与时长下的大脑错误响应,本文设计了基于动态/长时、静态以及短时视觉刺激的错误诱发实验范式。本实验共分析了19名被试的数据（招募20名,因采集环境问题去除1名）。行为学分析结果表明,本文实验均获得98%以上的执行正确率,保证了被试在实验中的参与度。本文从大脑激活程度和脑区间的连通性两个角度,利用脑电时频和相干性分析,探究了错误引起的大脑响应变化。时频分析结果显示在δ、动态/长时和静态的θ以及短时的α频段存在正误的显著差异;动态与静态和长时与短时之间的差异分别体现在δ和θ以及δ、θ、α和β。相干性分析结果显示错误会引起前中央区与前额区在α频段连通性的显著降低;刺激状态会引起前中央区与前额区在δ频段的显著变化,刺激时长会引起前中央区与中央顶区在α频段的显著变化。为了满足错误识别应用的需求,本文从脑电时域波形的角度分析了ErrPs的变化。本文根据ErrPs成分的出现时间计算了N1、P2、P3、N6和P8。结果显示P3、N6和P8在动态/长时、静态以及短时模式下均存在正确与错误间的显著差异,另外静态的N1和短时的P2也表现出对错误的敏感性。N1和P2存在静态与动态间的显著差异;P2、P3和N6存在长时与短时间的显著差异。本文基于不同模式下对错误敏感的ErrPs选取了9个不同的时间窗,通过线性判别分析和双因素重复测量方差分析进行数据分析。结果显示,刺激状态和时间窗会影响错误识别,而刺激时长没有影响。静态在与N1、P3、N6和P8相关的时间窗和动态在与P3、N6和P8相关的时间窗分别获得最高识别率。综上,本文设计了不同视觉刺激模式下的错误诱发范式,从大脑激活程度、功能连接和时域波形三个角度分析了错误引起的大脑响应变化,并实现了基于ErrPs的单试次错误识别。本文的研究成果能够为减少ErrPs-BCI在不同视觉模式任务中的可变性提供参考,从而为提高BCI的系统性能提供帮助。