脑-机接口系统可以将检测到的脑电信号转译为可以代表使用者意图的控制信号,然后用于控制如个人电脑,电动轮椅、义肢等外设。脑-机接口为人类大脑提供了一条可以绕过周围神经和肌肉系统的与外界连接的桥梁。这项技术可以显著改善“渐冻人”和患有中风等神经肌肉疾病人群的生活质量,未来也许还能改变普通人的交流、生活、娱乐方式。对于模拟阅读脑-机接口而言,通信信号的特征提取是十分重要的环节。本研究中,设计了一种自适应多节人工神经网络并用于对多状态下单试次、多通道脑电信号样本进行特征提取。本研究提出的自适应型多节人工神经网络,其隐层结点分布可随训练样本的统计特征的改变自适应调整,整个网络结构不固定,对数据的统计特征变化有一定的适应性,且该网络神经元的连接被限制在神经节内部,因此可以避免关系不大的神经元之间的过度连接。实验中共记录7名受试者接受视觉靶刺激字符、非靶刺激字符和阅读、放松、闭眼状态下脑电信号样本,然后使用自适应多节人工神经网络完成特征学习和提取。最后用支持向量机完成对特征向量的模式分类。研究中,还对比了经典共空间模式和单通道时域特征选取法获得特征的质量,结果表明自适应多节人工神经网络可以自动学习更为有效的模拟阅读脑-机接口信号特征模式。