当前生物电信号处理已经成为计算机应用领域的一大研究热点。基于生物电信号的人机交互(Human-Computer Interaction, HCI)系统是指在人体与计算机或者其他电子设备之间建立连接,通过提取人体生物电信号,并将其转换成相应的控制命令控制相关外部设备完成预定动作的交互式系统。基于生物电信号的人机交互系统的研究已经引发传统交互方式的一场革命。眼电(Electro-oculogram, EOG)信号是因眼球运动产生的一种微弱生物电信号,该信号可以被贴在眼球周围的电极记录下来。在生物电信号中,EOG信号具有幅值较高、波形便于检测、处理容易等优势,因此基于EOG的人机交互系统必将拥有广阔的发展前景。本文主要研究EOG信号的特征提取与识别算法,旨在通过获取一组高效、可移植的特征参数服务于EOG信号的模式识别。基于此,文章完成了以下几项主要工作：1.实验数据采集与预处理：在实验室环境下,设计了EOG信号采集实验并对多名受试者进行数据采集,获取了大量原始EOG数据。2.EOG信号的特征提取：提出了基于线性预测技术(Linear Predictive Coding,LPC)的EOG特征提取算法。即对原始EOG信号进行滤波、分帧、计算短时能量及端点检测等预处理操作后,提取线性预测(LPC)系数作为EOG信号的特征参数；为了获取EOG信号的动态变化信息,算法进一步提取了一阶差分LPC系数并将其与信号峰值构成组合特征参数。3.EOG信号的模式识别算法：使用基于BP算法的多层前馈网络对扫视信号分类,并通过实验确定了BP网络中的关键参数。最后,在MATLAB7.0环境下,设计并完成仿真实验,实现了EOG信号的模式识别,验证了所提特征与识别算法的有效性。4.与外设交联：在VC++6.0编译平台下利用串行通信,初步实现了基于EOG信号的外部设备在线控制。文章对EOG信号的采集与预处理、特征提取与模式识别、软件实现等部分进行研究与探讨,完成了一个基于眨眼次数的外部设备控制系统的设计与实现,为深入开发更为高效的人机交互系统做了基础性工作。结尾部分,对所做工作进行总结,并对未来工作方向提出展望。