脑-机接口(Brain-computer interface,BCI)系统能够将中枢神经系统活动直接转化为人工输出指令,它能够替代、修复、增强、补充或者改善中枢神经系统的正常输出,从而改善中枢神经系统与内外环境之间的交互作用。事件相关电位(event-related potential,ERP)是BCI系统最重要的范式信号之一,它可以反映大脑对触发事件响应时其内部的神经信息流向和处理过程,被广泛的应用在神经科学、认知科学、心理生理学以及人机交互领域的研究当中。但是,目前基于ERP的BCI系统发展受到了巨大的挑战:1)ERP神经机制之谜导致无法建立起稳定可靠的ERP数学模型;2)当前的ERP解码算法效率有待提高;3)传统的ERP-BCI范式在指令编码中已经显现出明显的缺陷。针对上述挑战,本文重点开展了一系列ERP解编码关键问题的研究,包括ERP的神经机制模型、ERP导联优化算法、ERP跨个体识别算法、基于ERP的混合范式BCI系统、非眼动依赖型BCI系统以及基于预测模板的ERP特征识别等。首先,针对ERP的神经机制问题,本文提出了一种研究ERP动态演变过程的有效方法,并且利用该方法首次得到了视觉ERP演变的三个意识形态完全不同的连续时期,验证了ERP的非线性相位重排机制,首次发现了外界刺激的物理属性是ERP神经机制模型中的一个重要影响因素。其次,在改进ERP解码算法方面,本文根据ERP的生成机制和波形特征,发展了高效的ERP-BCI导联优化算法和跨个体识别算法。为实现可靠的导联优化,文中利用ERP的相位信息设计了一种新的基于相位锁定集中值的递归特征筛除算法(phase locking and concentrating value-based recursive feature elimination,PLCV-RFE)。与经典的导联优化算法相比,PLCV-RFE能够在不影响正确率的情况下优化出更小的导联集合。针对跨个体ERP识别,研究中提出了一种带权重集成学习总体信息(weighted ensemble learning generic information,WELGI)的新算法,与传统分类策略相比,WELGI能够显著的提高分类正确率。最后,在提高ERP-BCI的编码效率方面,本文设计出了P300+SSVEP-B speller的BCI混合新范式,并在该范式基础上成功开发出了一套并行式混合范式BCI系统,该系统的最高信息传输率可达传统P300 speller的3倍左右。此外,实验中发现在隐性注意力调制下的ERP与SSVEP交互特征对注意力水平非常敏感,可实现对非眼动依赖型BCI的可靠控制。研究结果还证实了时间预测模板EEG特征的可分性与P300-speller中ERP的可分性相当,未来有望成为一种有效的BCI控制新信号。总之,本文围绕ERP-BCI开展的系列研究的结果将为深入理解ERP的神经机制、稳步提高ERP-BCI的运行效率提供理论和技术支持。