脑机接口(Brain-computer interface, BCI)是一种将具有意图的脑电信号转换成计算机指令的智能系统。它不同于人体大脑与肌肉组织的通讯方式,实现人脑直接与外部设备通讯,形成了一种全新的大脑信息输出方式,在医学康复、智能控制、娱乐等领域具有广泛的应用前景。目前,脑机接口的发展正逐渐从实验室研究阶段走向实际应用阶段,特别是基于稳态视觉诱发电位(SSVEP)的脑机接口具有操作简便,信息传输率高,无需训练等优点,受到了科研人员的青睐。在基于稳态视觉诱发电位的脑机接口实验中,操作人员受到视觉刺激器长时间的反复刺激往往产生视觉疲劳,影响结果的准确性。论文设计实现了一套基于SSVEP的脑控机械绘图系统,这套系统可以实现瘫痪病人的绘图梦想。文章的主要研究工作如下：1.论文分别采用典型相关分析方法(CCA)和功率谱估计(PSDA)对SSVEP信号进行快速分析,同时比较了两种方法的特征提取结果,综合结果表明CCA方法能更准确地提SSVEP信号频率特征,提高了系统的整体性能。2.文章通过设计稳态视觉诱发电位采集实验的2个阶段来研究基于SSVEP的脑机接口疲劳脑电的检测。本文采用功率谱估计方法分析清醒阶段和疲劳阶段的脑电各频段频谱和相关指标,结合主观疲劳量表综合分析受试者的疲劳程度,并通过分析结果优化视觉刺激机制,从而达到减轻被试者的视觉疲劳和提高系统整体性能的目的。3.论文设计了基于SSVEP的实时脑控机械绘图系统在LabVIEW环境下实现的方案。该方案有多频率的视觉刺激模块,同时采用FIR带通滤波和功率谱估计等数字信号处理方法对SSVEP信号进行频率特征提取,通过模式识别判断操作人员的注视目标并产生控制指令,从而实现对机械手臂绘图动作的控制。该系统达到了98%的平均多任务准确率,表明方案有较好的实际应用。