利用事件相关电位ERP(Event Related Potentials)作为通信载波能够较好地解决脑-计算机接口(Brain-Computer Interface，BCI)的连续工作问题。为此，我们拟构建一个基于ERP的BCI系统。该系统让被试观察呈现在计算机屏幕上的由36个字符构成的虚拟键盘，采用模拟自然阅读的诱发模式，大脑自主地进行选择性输入，根据从头皮检测到的从事选择活动相关的ERP的时域分布，确定被试所选定的字符对象，完成大脑和计算机之间的通信。 但是ERP信号非常微弱且被各种各样地噪声干扰，如何在强噪声背景下有效地提取作为通信载波的ERP成分一直是BCI研究和应用中的一个重要问题。BCI实验记录中主要噪声是自发脑电信号，其频谱与背景噪声频谱重叠，采用常规滤波器难以消除它的影响。 为了有效的去除自发脑电的影响，我们考虑子空间分解的方法。将记录数据投影到信号子空间就可以减小噪声的影响。但是BCI实验记录的信噪比往往较低，远小于0dB，仅使用子空间分解来去除噪声效果并不明显。 小波变换从多个尺度和细节对信号进行考察，能对信号的时域和频域的局部性质进行分析和处理。当噪声为高斯噪声时，其小波变换模极大值的变化和ERP信号正相反。通过选择最佳的小波基对记录信号进行多尺度分析，选择合适的阈值，就可以在信号重建时除去噪声，保留有用的信号，现在的实际情况是自发脑电是一种非高斯分布的随机信号，不能直接用多尺度小波分析方法确定其局部奇异性。为此，我们提出一个结合子空间方法和提升小波变换提取BCI载波的方案：首先对实验记录运用奇异值分解进行子空间分析，得出信号子空间。将含噪信号正交投影到信号子空间提高BCI实验记录的信躁比，同时使有色的自发脑电噪声白化，随后再利用小波除噪完成BCI通信载波的提取。 该算法不需要事件相关电位的先验知识，一系列的仿真和对实际数据的处理表明，运用本文方法能有效的提取出ERP成分，从而改善BCI系统的通信速率。