随着计算机数据处理速度的飞速提升、存储容量的不断变大和信号处理技术的长足应用,脑机接口(BCI)系统从实验室走向现实生活有望成为可能。BCI系统是在人脑和计算机或其它电子设备之间建立的一种直接的信息交流和控制通道,是一种不依赖于常规大脑输出通路(外周神经和肌肉组织)的全新的信息交流系统。这种新的信息交换和控制技术将能为瘫痪病人,特别是那些丧失了基本肢体运动功能但思维正常的患者,提供一种与外界进行信息交流和控制的新途径,因此正受到越来越多的重视。目前,由于受到脑电信号分类识别准确率和分类识别速度的限制,BCI系统还没有能够从实验室走进现实生活中。本文研究的BCI实验是基于BCI2003竞赛数据来对脑电信号分类。在本论文中,我们提出了一种脑电信号趋势的概念,使用支持向量机(SVM)作为分类器的算法。首先将BCI2003竞赛数据通过中值滤波器和由小波函数构成的带通滤波器,然后用时间窗进行时域上的过滤,选取对于大脑思维活动现象表现最明显的一段数据,再通过共空域子空间分解(CSSD)从脑电信号中提取特征,最后基于提取的特征,通过SVM训练后,进行分类识别,分类识别率达到了85%-95%。实验中采用的特征提取方法和分类方法对于脑电信号的分类识别准确率提高了不少。论文中使用的分类算法是我们在前人的基础上改进的一种新的算法。实验结果表明,这种算法具有较高的识别率,为脑电信号的分类提供了一种新思路和新方法。