随着认知科学、神经科学、电子技术、计算机科学以及信号处理技术等的进步，一种新的技术--脑-机接口，引起了人们的广泛关注，为人们提供了一种新的与外界交流的途径。通常情况下，脑-机接口系统由信号采集、预处理、特征提取、模式识别以及外部控制这几部分组成。其中，脑电信号的特征提取和模式识别是系统的核心部分，而能否有效的提取出与任务相关的信号特征影响着分类器的设计和识别性能，也是研究人员面临的一个重大课题。针对不同个体EEG信号的共同点和差异性，本文提出利用受试者脑电信号的空间信息，使用公共空间算法自动寻找一个最佳的空间过滤方向，针对EEG信号的非稳定性，BCI系统的要求以及在线BCI系统的自适应能力，在公共空间算法的基础上，提出一种在线更新空间滤波模型的方法。最后，通过Matlab开发环境实现了基于“模拟自然阅读”事件相关电位诱发模式诱发产生的脑电信号的预处理、空时特征提取、分类判别。为此，本文的研究内容从以下几个部分来展开：1)获取基于“模拟自然阅读”事件相关电位诱发模式诱发产生的脑电信号，建立基于该诱发模式的脑电信号数据集，并对数据集进行了重定义参考电位、基线漂移矫正、低通滤波、降采样以及导联选择的预处理过程。2)根据“模拟自然阅读”诱发的脑电信号特征，选取与作业任务相关时间段的EEG信号，使用两种不同目标表达形式的公共空间算法对信号进行空间特征提取，并对“选取的特征向量个数”参数进行寻优。结合分类正确率和执行速率进行考虑，发现基于Rayleigh系数表示的公共空间算法更有优势。3)在基于Rayleigh系数表示的公共空间算法的基础上，结合Sherman-Morrison-Woodbury矩阵逆公式和不同的次分量提取方案对空间滤波模型进行更新，并对更新前后的投影矩阵的各个投影分量进行比较。4)在对脑电信号进行特征提取之后，使用核函数为多项式核函数的SVM分类器进行分类操作。为了得到最佳的分类精度，使用LibSVM软件包自带的交互验证功能，采用Leave-20%-Out方法对核函数的参数r和SVM分类器的参数进行寻优。研究结果表明，利用“模拟阅读型”脑电信号的时间和空间特性，对脑电信号进行特征提取，并对空间滤波模型进行更新，最后取得较好的分类结果，有效地提高BCI系统的鲁棒性。