21世纪是脑神经科学飞速发展的时代,脑机接口(BCI)借助着飞速发展的脑神经学科已经成为有一个越来越热门的研究领域。而生活中一些刺激能够改变人的精神状态。经颅直流电刺激(tDCS)是神经刺激的一种形式,是一种非侵入性的,利用恒定,低强度直流电调节大脑皮层神经元活动的技术。所以本文将研究经颅直流电刺激对BCI的影响。本文研究主要内容包括:(1)本文使用时频分析处理方法来研究脑电信号,使用Hilbert-Huang变换来处理脑电信号这类非平稳信号。首先根据眼电信号特征来去除眼电信号,然后根据Hilbert-Huang变换来完成对脑电信号的能量特征提取,并根据不同状态下的人的特征值作为深度学习神经网络的训练数据来对于人的不同状态下的特征进行训练,以便能够根据这些特征来区分不同的精神状态。设计实验采集了12个受试者,采用实验收集到了疲劳和非疲劳脑电数据。对比使用决策树算法,支持向量机算法以及深度学习算法在对脑电信号进行分类的时候的正确率。训练集共有三组,分别是非疲劳状态,疲劳状态,严重疲劳状态,每一组有1000个训练数据样本,总共3000个训练数据样本。决策树和支持向量机训练的结果分别为92.1%,94.5%,而深度学习训练结果为99%。(2)研究经颅直流电刺激是否能够对于精神状态或者认知能力有作用以及效果是否明显。这一研究在日常生活中有着极大的作用,例如是否可以使用经颅直流电刺激来改善司机驾驶过程中产生的疲劳状态。对于认知能力的研究可以明确经颅直流电刺激在日常生活领域中的作用,例如可以研究是否可以改善认知能力中的记忆力,从而可以明确是否可以在日常学习中辅助学生的作用。所以本文结合BCI以及经颅直流电刺激,研究是否可以改善认知能力,以及根据脑电特征自动分类的应用来重点研究经颅直流电刺激在脑机接口领域对于精神状态的作用,研究经颅直流电刺激对于精神状态作用是否明显。本文对比了经颅直流电刺激前后人的精神状态,使用单因素协方差分析发现刺激前后精神状态的显著性差异大于0.05,所以根据统计学原理表明:没有足够证据表明经颅直流电刺激对精神状态有明显的影响。综上所述,本文在研究头皮脑电特征的基础上,使用Hilbert-Huang变换提取脑电特征,并根据提取的特征使用深度学习算法能够自动识别疲劳特征对用户精神状态进行分类,在此基础上通过对比实验研究经颅直流电刺激对BCI用户的认知能力以及精神状态的影响。并通过实验结果进行数据分析,使用单因素协方差分析法,经过分析发现显著性差异大于阈值,所以可以得到结论:经颅直流电刺激对于BCI用户的精神状态没有明显的影响。