视觉诱发电位(Visual evoked potential,VEP)是指被试当受到视觉刺激时在大脑皮层的枕叶区产生的相应脑电活动。目前对VEP的研究主要针对两个方面的应用:一是VEP的提取在临床上可以反映出视通路是否存在病变,同时对于脑白质营养不良、脊髓小脑障碍、帕金森、肿瘤等疾病的诊断也具有重要的参考价值;二是由于VEP信号的稳定性较好,以VEP作为信息传递的媒介可以实现人机交互,即基于VEP进行脑机接口(Brain-Computer Interface,BCI)的研究,具有使用前不需要训练、可供选指令集多等优点。现实中单次刺激产生的VEP信号非常微弱,往往淹没在较强的自发脑电以及噪声中,很难直接从波形上分辨出来。现有的VEP提取方法存在各自的不足,如最常用的叠加平均方法需要大量的试次,盲信号分离(Blind Signal Separation,BSS)方法的计算量过大或者目前流行的机器学习方法需要大量的数据训练。然而,在临床诊断或BCI的应用中往往对于VEP的提取需要实时性,这就要求我们能够快速地从少量试次中提取出VEP信号。另外,从BCI的研究角度来看,对VEP的应用不仅存在提取问题,还要考虑针对特定的任务进行相应的实验设计与信号处理等方面的问题。考虑上述问题,本文从VEP的提取与应用两个层次上开展研究,主要工作如下:一方面,从VEP的提取角度上,本文提出了一种基于改进的维纳滤波实现少量试次情况下提取VEP信号的方法。改进的维纳滤波将VEP信号表示为有用信号和与其正交的干扰信号的组合,通过正交表示的方式使得有用信号能够最大限度地表征VEP的主要特征,如P100成分等。该方法的目标是最大化有用信号与干扰信号及噪声之间的信干噪比,相比普通的维纳滤波能更有效地提取VEP中的有用信息。然而改进维纳滤波仍存在少量试次情况下互相关矩阵估计不足的问题,我们通过将采集到的VEP数据拓展为周期信号的方式来有效估计其互相关矩阵,并给出了该情况下的VEP改进维纳滤波方法。通过对多名被试的实验,我们证明了此方法能够快速地提取出VEP,并且以P100的潜伏期作为主要指标证明了其可靠性。另一方面,从VEP的应用角度上,我们基于伪随机序列调制彩色视觉刺激产生彩色瞬态视觉诱发电位(Chromatic Transient Visual Evoked Potential,CTVEP),设计了一种能够实现被试通过“意念”对屏幕上特定位置进行选择的BCI系统。在我们设计的系统中,屏幕上的不同位置同时呈现不同的彩色圆环刺激,每个刺激的呈现与消失模式由相互正交的多个伪随机Gold序列中的唯一的一个给定。针对采集的枕区脑电信号,利用Gold序列的正交性,我们的BCI系统给出了CTVEP的解码方法,通过匹配滤波能够判断出被试注视的屏幕上的位置。通过对多名被试的实验,给出了系统的识别准确率,验证了此系统在“翻译”被试选择时的可靠性。