脑-机接口(Brain-Computer Interface,BCI)是一种不依赖于正常的由周围神经和肌肉组成的输出通路的通讯系统。它是人或动物的脑与外部设备间的直接连接通路。随着脑-机接口技术的发展,其应用也在向其他领域不断拓展,除了最初运用在残疾人士的辅助运动外,在军事,机器人,脑认知,娱乐等方面,脑-机接口技术也具有巨大的应用前景。对于脑电信号的处理技术目前仍处于实验室阶段,将脑-机接口应用于实际还面临着一些问题亟待解决,针对脑-机接口系统中精度低和速度慢问题,本文通过对信号采集方案的研究以及对稳态视觉诱发电位的处理方法的研究来提高脑-机接口系统的精度及速度。并在此基础上搭建了基于脑-机接口的无线遥控车系统,最终实现了对无线智能小车的实时控制。针对基于脑-机接口的无线遥控车系统,在信号采集方面,本文首先确定了所要研究的特征脑电,即稳态视觉诱发电位,并在此基础上,研究了视觉刺激模块的设计,详细对比了基于LCD的视觉刺激范式以及基于LED的视觉刺激范式,通过对两种范式所刺激出的稳态视觉诱发电位(Steady State Visual Evoked Potential,SSVEP)在频谱纯净度,频率可区分度,频谱精度,频率设置灵活度以及最终的分类正确率上的对比,确定了基于FPGA的LED视觉刺激方案。在信号检测方面,本文首先研究了基于典型相关分析和基于循环卷积的稳态视觉诱发电位特征提取方案,并进行了对比。之后,为了进一步提高对SSVEP信号的识别正确率,本文继续研究了超分辨率的频谱分析法,研究了基于MUSIC的关联分析法,同时,详细的讨论了分类方案的选取对分类结果的影响,最终实现了对SSVEP信号的有效分类,对4频率的SSVEP信号的离线分析的分类正确率可以达到94%,使得对SSVEP的高精度在线处理成为可能。基于上述研究,最终确立了基于脑-机接口的无线遥控车系统的设计方案,并通过硬件系统搭建以及软件编程实现了对无线小车运动方向实时的控制,在线处理结果平均正确率达到87.5%,使得被试可以通过调节其注意力的分配来控制一个任意摆放的小车穿过障碍物,实现对小车运动状态的有效控制。