脑-机接口(Brain-Computer Interface,BCI)技术作为一种不依赖外周审计和肌肉输出通信的新型人-机交互技术,它能为大脑神经活动正常的肢体残疾人群提供一种大脑与外部设备之间信息的通信。脑-机接口技术在医疗康复、军事等领域也其有潜在的应用价值和广阔的应用前景,它通过采集大脑不同思维活动产生的脑电信号(Electroencephalogram,EEG),利用不同EEG节律的生理现象,使得对EEG思维作业的分类成为可能。在基于思维作业的BCI系统中,通过脑电采集设备采集用户进行的左右手运动想象、数学公式计算等相关的脑电信号,提取特征并分类,将不同的思维任务与计算机指令相结合,实现大脑与外部设备的通信。在基于EEG的思维作业中,脑电信的特征提取和识别分类最为关键,如若不能准确地对用户的思维易图进行解读,就不能正确地对外部设备进行控制。共同空间模式(Common Spatial Pattern,CSP)作为脑电信号应用最为广泛的特征提取工具,可以有效地提取相关特征。本文在传统CSP算法的基础上,为解决CSP在线系统需要采集大量训练样本以及无法判断数据质量优劣等缺陷,提出一种基于训练样本评估的CSP滤波器增量更新方法。同时,根据CSP算法设计简单、分类识别率高等优势,提出对五类思维任务进行特征提取及分类。实验结果表明,CSP算法能够有效的对多类思维任务进行分类,该方法在基于思维任务的BCI系统中有一定的应用前景。本文的主要工作包括:(1)研究了脑电信号的生理机制及主要节律,从时域滤波、频域滤波和空域滤波等特征提取方法以及分类算法方面对思维作业脑电信号做出了整体概述。(2)提出了一种基于EEG训练样本筛选的CSP滤波器增量更新算法。通过对运动想象单次EEG样本筛选并剔除“低质量”数据,同时与增量CSP算法相结合,解决了CSP-BCI系统在实验中无法人工筛选EEG样本,以及少量训练数据难以得到最优CSP滤波器的问题。实验结果表明,该方法能够提高BCI系统的性能。(3)研究了CSP算法在多任务脑电信号分类中的应用。设计了五类脑电思维人物采集范式。以两分类CSP算法为基础,对思维任务进行预处理、导联优化和特征提取。通过“一对一”共同空间模式方法,构造多个CSP滤波器,对脑信号进行共同空间模式映射,得到每类思维任务的投影信号,并求得该投影信号能量的方差作为特征向量,最终进行识別分类。结果表明CSP算法在多类思维任务的分类中具有良好的效果。(4)在MATLAB平台上设计了共同空间模式离线应用系统,该系统主要实现EEG样本质量评估沾和个体身份识别两个功能。七位受试者参与了个体身份识别实验。实验结果证明,该系统可以通过受试者闭眼静息状态下的EEG数据,准确地对受试者的身份进行识别。