脑-机接口（Brain-Computer Interface,BCI）直接将大脑的控制意图输出到被控对象,越过了正常的神经肌肉组织,近几年来,脑机接口在智能轮椅上的发展为患有严重肢体运动障碍的患者提供了极大地便利。大部分脑机接口控制的智能轮椅采用的都是同步控制模式或者通过融合不同类别的脑电信号构成的混合BCI,前者控制节奏由系统决定,控制灵活性差,用户自主性低,后者在丰富控制信号种类的同时,也增加了系统的复杂性,导致系统的控制效率和在系统准确率低下。而通过异步脑机接口控制的智能轮椅,在保证准确率和实时性的前提下,极大地提高了控制的灵活性以及用户的自主性,成为了目前脑控轮椅的一个重要研究方向。针对现有脑控智能轮椅执行效率差,控制不灵活,用户自主性差而造成的用户疲劳,误操作率高等问题,本文通过对空闲状态脑电信号的识别,实现了基于SSVEP的异步控制的脑机接口,来控制智能轮椅的动作与行走。本文的主要贡献体现在以下几个方面:（1）刺激界面的设计。本文刺激范式的设计与以往的单刺激界面不同,本文设计并实现了子界面的刺激形式,对系统实现了层级命令的控制方式,并对实验过程中的各种注意事项、电极以及被试人员的选择等各项内容进行了详细的介绍。（2）对采集到的SSVEP信号进行成分分析、预处理和特征分析与提取。分析眼电伪迹的信号特征以及对SSVEP信号的影响,并通过算法将眼电伪迹从混合信号中去除。（3）空闲态检测。通过分析控制态信号与空闲态信号之间的差别,提出了一种基于CCA和频谱能量的方差统计量的空闲态检测方法,对被试的控制状态进行分类与识别,很好的减少了个体差异性对系统的控制性能造成的影响,并根据不同的控制状态进行下一步的控制,若为空闲态,则不对智能轮椅输出任何控制指令;若为控制态,则根据SSVEP信号的频率特征进一步对信号进行分类与识别,得到具体的控制信息,并将该控制指令输出给智能轮椅。（4）控制策略。本文将智能轮椅的脑机接口系统与导航系统相结合,提出了一种智能轮椅的半自主控制方式。将人脑与机器人各自的优势结合到一起,完成对智能轮椅的运动和行走的控制。（5）实验平台的搭建。在本文中自主设计并搭建了一个智能轮椅平台,对智能轮椅分别在仿真环境和实际环境下进行不同模式的实验验证,共有五名被试参与了本文中的实验,并对实验结果进行分析并得出结论,验证了控制算法的有效性和控制系统的可行性。综上所述,本文提出了基于SSVEP的智能轮椅异步控制系统能够实现对智能轮椅在不同环境和不同模式下进行过程控制,且系统稳定性强,准确率高,为脑机接口在智能轮椅方向上的实际应用提供了新思路和实验基础。