眼电信号是因眼球运动而产生的生物电信号,可以用电极从眼眶周围的皮肤表面采集得到。本论文以眼电信号为对象研究了眼球动作的识别算法,分析研究了基于单通道眼电信号的人机交互实现方法,并对基于支持向量机的眼球跳视角度分类方法进行了研究。首先,设计并制作了眼电信号的采集系统,研究眼电信号的降噪方法和眼球运动的端点检测方法。为了更完整地保留信号细节,论文引入双树复小波变换对眼电信号进行小波阈值法降噪。提出了一种改进的眼动端点检测方法,提高了眼动终止时刻定位的准确度。其次,论文以水平方向眼电信号为对象,研究了多种类型眼球动作的识别方法。对眼动信号的差分特征进行了分析,提出了一种能够对有意识眨眼以及眼跳方向进行检测的算法。设计了水平方向6种不同眼动控制信号的识别算法,平均识别正确率为91.15%,并通过仿真实现了用上述眼球动作控制电动小车。最后,研究了用支持向量机对不同偏转角度下的眼跳信号的分类方法。由端点检测算法确定每次眼球运动的起始点与终止点,并提取眼动信号的特征参数。首次选择将眼动幅值、持续时间以及幅值的极大值这3种参数作为支持向量机的输入向量,对眨眼、微小眼跳、前庭眼动反射以及不同角度的眼跳信号进行了分类,当眼跳角度间隔为4°时,平均分类正确率达到85%以上。