近十几年来,脑机接口(Brain-Computer Interface)技术的研究在国际上引起了广泛的兴趣并获得了快速的发展。它可以为神经肌肉损伤患者提供一种不依赖正常的外围神经和肌肉输出通道的新的通讯工具,也可以为正常人提供辅助控制通道或在特殊环境下的控制通道,因此具有巨大的社会价值和应用前景。信号分析与处理环节是实现BCI系统、提高系统可靠性与性能的关键,也是本文研究的主要内容。本文作为前期性研究,主要开展了BCI系统中信号处理的理论及算法方面的研究工作。首先通过大量整理和阅读文献,认真调研了目前国际上BCI研究的现状和发展情况,对脑电信号的特点以及所使用的各类信号处理方法做了总结和比较。然后结合国际脑机接口数据处理竞赛提供的数据,运用各种方法进行了分析,对事件相关电位的特点获得了感性认识,对各种方法的适用场合及能力有了一定的了解。在参加第三届国际脑机接口竞赛的过程中,提出了T加权的特征提取方法和分类器设计的强化学习方法。相比其它特征提取方法,T加权方法具有对先验知识要求少、信息利用充分、计算快速等优点;而分类器设计的强化学习方法是模型驱动与数据驱动相结合的一种分类器优化方法,其思想在于充分挖掘样本判别信息,在已有分类器基础上进一步提高对数据的拟合能力及泛化能力。运用到竞赛数据的处理中,这两种方法都得到了令人满意的结果,在所参加的四组数据中获得一个第2名、三个第3名的成绩。论文对方法以及数据处理的过程和结果做了详细的介绍。最后就脑机接口特别是信号处理部分的研究提出了下一步工作的内容及目标。