脑-机接口(BCI)技术在大脑和外部设备之间建立直接的通讯通道，该通道跨越人体外周神经和肌肉系统，直接对外部设备进行控制，与外界环境进行交流。脑-机接口技术通常又被称为mind-machine interface(MMI)，或brain-machine interface(BMI)。脑-机接口技术可以协助，增强，或修复人的认知或感觉运动功能，是广大残障人士的福音。　　头皮脑电(EEG)具有优良的时间分辨率，易用性，采集设备成本较低并具有便携性，因此在脑-机接口领域得到广泛的研究和应用。根据EEG信号的成分和诱发方式的不同，基于EEG的脑-机接口系统可以分为不同的类型，例如，基于P300事件相关电位，感觉运动节律，皮层慢电位，或稳态视觉诱发电位的脑-机接口系统。　　P300事件相关电位可以通过odd-ball实验诱发，其特点是在目标刺激出现后300ms左右EEG信号中形成的正的波峰。通过检测该波峰就可以确定目标刺激，基于这一原理设计的P300的脑-机接口系统可以完成从多个选项中选择一个特定目标的任务。在我们的研究中，设计了不同的交互界面，实现了中文输入，短信发送，意念绘画，虚拟手控制等应用系统。为了提高信息传输率，测试了不同的数据预处理，特征提取和模式分类方法。　　基于运动节律的脑-机接口系统也是我们研究的重点之一。想象或实际运动都可以在相应的大脑皮层区域检查到相关的节律活动。这种大脑活动，可以通过EEG信号的能量进行测量。通过测量多个通道的EEE信号的能量差异，可以进行左右手或者手、脚的分类。在此基础上我们实现了虚拟房屋漫游和虚拟手的控制。由于运动节律信号具有个体差异和时变性，我们采用了共空间模式分解进行分类，并结合了时域和频域搜索优化，确定具有最大判别信息的频带和时间段。　　限制脑-机接口在实际生活中应用和推广的一个主要障碍是控制信息带宽有限。如上所述的脑-机接口系统可以作为一个0-1开关量或完成一次菜单选择的任务，离日常生活的要求还有一定差距。通过结合不同类型脑-机接口系统的特点形成混合脑-机接口可以在一定程度上解决这一问题。混合脑-机接口可以分为两种方式:对多个模态的输入信号同时进行处理，得到更高维度的控制信号或增强的控制信号;对多个模态的输入信号进行串行处理，在不同的任务阶段采用最优的输入信号。对于第一种情况，我们通过修改典型的P300按键反应实验进行了研究。呈现给被试的刺激是左右手指的按键动画，并要求被采用使用不同的应对策略（无声计数和根据按键动画进行想象运动或实际运动）。通过分析同一段信号中的P300成分和运动节律成分，确定了两种信号同时存在，并讨论了将二者结合起来提高系统性能的方法。对于第二种情况，我们设计了两阶段控制策略尝试控制灵巧机械手进行日常物体的抓握。第一阶段，P300用于选择不同类型的抓握手势，第二阶段，感觉运动节律用于连续控制抓握过程。通过有限状态转换，进过训练的被试可以控制灵巧机械手对不同物体的进行连续抓握。