脑机接口（Brain-Computer Interface,BCI）是一种能在人脑和外部设备之间形成信息传递直接通路的先进技术。对于神经肌肉通路受损的患者,该技术可以绕过患者受损的外周神经及肌肉,仅依靠脑电信号对外部设备进行控制,达到与外界环境交流的目的。然而,当前脑电信号具有分类速度慢,分类准确度低以及控制外部设备延迟时间长等缺点。因此本文深入探索了视觉诱发脑电信号的处理及分类方法,以非侵入式的方式采集多种视觉刺激机制下的脑电信号,并利用高分辨率的时频分析技术和统计特征技术提取特征向量,采用遗传算法优化后的支持向量机分类后转化为机械手的控制命令,实现患者与外界环境的非接触式交互控制。本文主要的研究内容如下:（1）设计脑电信号采集实验方案和系统。频率刺激中存在脑电信号的大量信息,多频率信号处理是本文研究的重点之一。采用多频率刺激机制,设计实验范式,探究5Hz、7Hz、9Hz等不同频率脑电信号特点。利用Qt搭建数据采集系统,设计采集界面并实现脑电数据的可视化,每组实验结束后保存数据在特定的文件中。针对本文采用的两种实验对象特点制定实验电极的选取方案,处理选定通路的脑电信号。（2）稳态视觉诱发电位脑电处理算法的研究。采用巴特沃斯带通滤波方法对信号噪声进行剔除,对于传统滤波方法无法滤除的眼电伪迹,则通过独立成分分析的方法剔除,以分离出原始的脑电信号。在特征提取方面考虑瞬态提取变换,利用瞬态频率估计算子提取每段样本数据时频结果中脊线上的能量,来达到减少能量分散,提高时频分辨率的目的。选取12种经典统计特征:标准差、中位数、最大值、最小值、平均值、模态、范围、第一四分位数、第二四分位数、变异、偏度、峰度,来计算不同频率脑电信号的特征值,并制作数据集。构建三分类支持向量机模型对脑电信号进行分类;选择径向基核函数并在模型训练中采用遗传算法查找全局最优参数。利用本处理机制,本文以成年正常人和成年食蟹猴为研究对象,对不同脑电信号进行了合理的比较,其中正常人的数据集脑电识别的准确度最高可达95.83%,食蟹猴的数据集脑电识别的准确度最高可达75%。（3）搭建机械手控制平台。采用Qt-Matlab联合编程的方式,设计实时控制机械手系统。在数据采集系统基础上,将Matlab中编写好的上述脑电信号处理算法以及通讯、控制机械手算法进行封装,转化生成多个动态链接库。利用多线程编程方式,在Qt的不同线程中调用库函数,实现脑电数据的实时保存和处理。分类结果转化为机械手控制命令使之执行相应的动作。脑机接口让人类仅凭意念控制外设成为了可能,研究具有实际应用价值的机械手控制系统有利于帮助上肢受损患者与外界环境的交互,提高生活质量。本文的研究为脑电信号的识别和机械手自然控制提供了一种新的思路,对脑机接口未来的日常化应用有重大意义。