脑—计算机接口(Brain Computer Interfaces,BCI)技术是不依赖于正常脑外周神经和肌肉的响应通道的人脑与计算机交流和控制通道。脑机接口的一个重要用途是为那些思维正常但存在严重运动障碍的患者提供语言交流和环境控制途径,提高其生存质量。脑机接口技术在工业、航空、军事等领域也有潜在的实用价值。本文研究了采用小波变换提取强噪声背景下慢皮层电位SCP(Slow cortical potential)的方法。根据SCP信号及背景噪声不同的时频分布特征,设计了小波时频滤波器,结合少次的累加平均,有效地提高信噪比。模式识别部分是脑机接口的系统的核心部分也是本论文的主要内容,其中包括特征提取和分类两部分。本文提出了三种特征提取方法:(1)基于小波变换的特征向量提取;(2)基于AR模型的特征向量提取;(3)基于K-L变换的特征向量提取;并对三种方法作了比较,同时,采用线性判别法fisher准则分别对以上三种特征向量进行分类。实验表明,采用小波变换法所得到的的特征向量结合基于fisher线性判别准则的识别方法来识别皮层慢电位,产生脑机接口的控制信号,相对其它几种特征提取方法,其分类效果更好,且是一种有效的并且易实现的适用于脑机接口的信号模式识别方法。综上所述,采用慢皮层实现脑机接口的方法是切实可行的.本文提出信号提取与识别算法,为最终实现及脑机接口应用奠定了理论和实验基础。