脑机接口是建立在人脑和外部设备之间的直接通讯通路。脑机接口技术结合了生物医学、计算机信息处理技术、神经科学以及微电子等多个领域的最新成果,在近10年的时间里得到的广泛的重视研究和发展。通过对脑电信号的研究,脑机接口BCI(Brain-Computer Systerm)系统已经可以被用来解决很多实际问题。尽管如此,因为脑电信号的不稳定性和个体差异性,找到一种高效的、具有普遍意义的信号处理和识别方式是解决问题的关键。本文的主要研究对象是BCI系统中脑电信号的处理和识别方法。通常一个模式识别过程可以分为数据预处理、特征提取、特征选择和降维、以及特征分类几个阶段。在脑电信号的预处理阶段使用FIR数字滤波器和CSP空域滤波器的方法对脑电信号进行滤波处理,用主成分分析PCA和偏最小二乘PLS的方法对脑电信号的特征向量进行降维,用两种不同的Adaboost分类方法对提取到的脑电信号特征向量进行分类,同时用线性判别分写LDA和支持向量机SVM的BCI系统经典分类方法进行分类识别率的对比。通过对在模式识别每一个阶段对脑电信号处理的不同方法的研究,在实验结果数据的基础上给出一种高效的处理脑电信号的方法,即公共空间模式滤波与以最近邻法为若分类其的AdaboostNN分类器结合的处理方式。