“脑-机接口”系统(Brain-Computer Interface，BCI)是一种全新的人机接口方式，它直接从大脑获取与外界通讯的信息，并将人类的思维状态与计算机处理系统建立关联。能够反应大脑思维信息的脑电信号(electroencephalograph，EEG)的特征提取和模式分类等理论研究在BCI系统中扮演着重要角色。研究发现，合理有价值的脑电信号特征选择过程对提升脑-机接口技术起着至关重要的作用，为了提升这一过程，本文具体研究工作如下所示：　　首先，本文介绍了关于脑功能与结构、脑电信号产生机制、脑电信号的类别以及事件相关电位(Event Related Potentials，ERPs)等电生理学方面知识，并对脑电信号的采集过程进行介绍，主要包括实验前期采集准备、相关注意事项及后期数据离线预处理等环节。　　之后，本文提出第一种优化策略，即基于优势电极重组的脑电信号特征提取与分类方法，该方法主要思想是建立在脑功能与结构的认知基础上，提出基于优势电极重组的策略。并将其应用到BCI竞赛中运动想象脑电信号数据集上，实验结果显示，其优势主要在于不降低分类效果的同时，整体提高了不同维度的分类结果。　　其次，针对第一种优化策略加以改进，提出第二种优化策略，即基于优势时间序列重组的脑电信号特征提取与分类方法，该方法以事件相关电位，即ERPs成分为理论依据。实验结果显示，其优势主要在于更深层次的挖掘了数据信息，分析了每个电极中哪些时间序列的脑电信号更适用于分类，并提高了脑电信号的分类结果。　　最后，在第一种优化策略和第二种优化策略的基础上，提出第三种优化策略，即基于遗传算法重组的脑电信号特征提取与分类方法，该方法通过遗传算法提取脑电信号的时域特征，使用适应度函数对样本进行评测，在通过交叉、变异等进化过程实现脑电信号特征自动寻优。实验结果显示，其优势主要在于自动寻优过程，并且该方法具有很好的分类效果和稳定性。