脑机接口(BCI)是一种新的交互通信系统，它将大脑活动转换成计算机或其他设备的命令。换句话说，BCI系统允许用户仅仅通过自己的大脑活动作用于外部环境，而不是通过外部神经和肌肉。因此，为严重瘫痪病人的生活提供便利也成为了研究脑机接口技术的最主要目的。近年来，研究者们一直热衷于对脑机接口系统的研究，这其中又以P300脑机接口的研究最多，本文针对这方面也做了很多工作。首先，本文对P300电位做了大量研究，利用其无需训练便可诱发的特点，实现了基于P300电位的在线小车控制。在P300经典实验基础上，本文作出改进，把闪烁的字符矩阵改成了代表一定意义的文字，对P300内部程序源代码做了相应的添加，并将其与无线轮椅原型机(小车)系统相结合，该系统利用BCI2000在线分析，受试者通过少量训练就能够控制小车的行进状态。其次，本文对P300小车系统进行扩展，设计出了基于P300的脑电控制智能家居系统。该系统使用BCI2000对脑电信号做在线分析，生成控制命令；用单片机和无线模块设计出无线接收装置，用于接收控制命令，并控制家居设备的状态。该系统继承了P300的优点，免除了用户大量的训练，且简单可靠，易于扩展。最后，针对BCI系统的分类正确率有待提高的问题，本文深入研究了共空间模式方法和基于L1范数的共空间模式方法。传统的共空间模式方法是建立在L2范数基础上的，L2范数中的平方算子使其对离群值比较敏感，而L1范数则避免了平方的问题。将L1范数与共空间模式相结合，得到的新方法比共空间模式有更好的鲁棒性，是一种比较好的特征提取方法。