脑-机接口（brain-computer interface,BCI）可定义为大脑和以计算机为代表的电子设备之间搭建的一类新的通讯控制系统。BCI技术涉及神经科学、计算机科学、控制理论和许多其他技术，在生活、娱乐、医疗、宇航、军事、康复工业等多个领域具有极高的应用价值和广阔的应用前景。
　　由于获得脑电信号的方式不同，BCI可分成侵入式和非侵入式。其中稳态视觉诱发电位（steady-state visual evoked potential,SSVEP）作为一种以非侵入方式采集的脑电信号，是当受试者受到外部按恒定频率闪烁的视觉刺激时在其大脑头皮记录到的节律性响应。基于SSVEP的BCI具有信息传输率高和无需训练的优点。SSVEP依据其刺激源闪烁频率的不同可分成低频、中频和高频的SSVEP。基于低频SSVEP的BCI相较于基于高频SSVEP的BCI而言，存在易诱发疲劳和光敏性癫痫等不足，因此，基于高频SSVEP的BCI研究有很高的实用价值和很好的发展前景。
　　本文围绕基于高频SSVEP的BCI这一研究目标开展了如下研究工作：
　　考虑到高频SSVEP相较于低频和中频SSVEP而言，其响应强度低，受肌电伪迹的影响大，识别率低，本文利用经验模态分解（empirical modal decomposition,EMD）分别与典型相关分析（canonical correlation analysis,CCA）和多变量同步指数（multivariate synchronization index,MSI）进行结合，提出了EMD-CCA方法和EMD-MSI方法，用于对高频SSVEP进行特征提取和识别。两种方法在对信号进行频率识别前，均需利用EMD对SSVEP信号进行解析，得到多个固有模态函数（Intrinsic Mode Function,IMF），并计算各IMF分量在刺激频段附近的频带能量，选择出包含刺激频率相关信息的IMF分量作为特征分量。EMD-CCA利用CCA方法分析特征分量，得到典型相关系数，据此对不同视觉刺激下产生的SSVEP进行分类识别。EMD-MSI则利用MSI方法计算得到最大同步指数，进而对SSVEP进行识别和分类。相较于直接利用CCA或MSI对脑电信号进行识别的传统方法，本文提出的两种方法通过增加EMD分解和IMF分量选择的步骤，从脑电信号中提取包含高频刺激信息的特征分量，以降低信号中包含的伪迹成分的影响，提高高频SSVEP的识别率。
　　本文设计和实施了离线实验，采集了二类和四类高频SSVEP脑电信号，用以对所研究的EMD-CCA方法和EMD-MSI方法进行验证，实验结果表明EMD-CCA和EMD-MSI方法能有效识别高频SSVEP信号，显著提高高频SSVEP的分类识别率。
　　最后，在上述算法研究以及仿真实验研究的基础上，设计和实现了基于高频SSVEP的在线BCI系统，受试者可以通过选择注视按不同频率闪烁的LED灯，完成对随机出现的两张扑克牌的大小比较。该系统包括视觉刺激器、脑电信号采集设备和上位机三部分。研究中设计并制作了闪烁频率可调的LED视觉刺激器；采用Neuroscan系统来采集和实时传输脑电信号；利用LABVIEW编写上位机软件，处理SSVEP信号，并显示识别结果。为验证系统性能，设计并实施了高频SSVEP伪在线实验和在线实验。8名受试者参与了伪在线实验和在线实验，实验结果显示他们均能有效操控在线BCI系统完成扑克牌大小比较游戏，其中一名受试者的单组在线控制准确率可达100%。