脑-机接口(brain-computer interface, BCI)是一种新的信息交流系统，不需要语言或者动作，就可以在人脑和计算机之间进行直接的交流和控制。脑机接口技术涉及到神经学、心理认知科学、康复工程、生物医学工程和计算机科学等多个学科的交叉。可以通过脑电图（EEG）、皮层脑电图（EcoG）、功能性磁共振成像（fMRI）、功能性近红外光学成像（fNIR）等方法来对BCI进行研究。在对近年来国内外的BCI系统进行分析之后，本文对基于事件相关电位（ERP）的脑机接口系统进行了研究。采用无创伤的基于EEG的BCI研究方法，设计了基于事件相关电位的新型输入系统，可以直接通过脑电信号而不用手就能进行密码的输入。本文研究的内容包括输入系统实验范式的设计，系统整体的设计与实现，脑电信号的分析与处理等。在设计实验范式时，针对ERP中P300的电位特性，分别对输入字符的形式及颜色进行了对比，并在此基础上采用不同的实验参数进行了多次实验。本文在根据实验范式进行系统实现时，主要利用VC++中的MFC来进行编程。该系统集刺激界面的产生、脑电信号采集、存储及分析于一体，可以实时的将被试者所注视的目标字符输出到显示界面上。本文在对第三届BCI竞赛中P300数据进行分析的基础上，确定出对自采集脑电信号的处理方案。对于竞赛数据，首先利用数字滤波器进行滤波，采用降采样及时间窗进行降维，然后利用Fisher线性判别、正则化Fisher、核Fisher、支持向量机、贝叶斯线性判别进行分类。结果表面正则化Fisher在较短的时间内使用较少的叠加次数就达到最高的正确率，Fisher线性判别所达到的效果次之。所以，在对自采集数据使用叠加平均、独立成份分析（ICA）等方法去除干扰之后，采用Fisher线性判别及正则化Fisher进行分类。最终确定出最佳的输入方式、实验参数及脑电信号处理方案。