脑-机接口(Brain-Computer Interface,BCI)系统是指不依赖于脑外周神经和肌肉系统,直接在人脑与计算机等电子设备之间进行信息交流和控制的通讯系统。这种新型的通信技术能为那些高位截瘫患者提供与外界进行交流的另一途径。它涉及神经科学与工程技术的交叉与融合,因而具有重要的理论意义与实用价值。脑-机接口通常由信号采集、处理、分类、命令输出和外周设备等部分组成。其中信号的特征提取与分类尤为关键。由于研制小型的便携式系统是脑-机接口系统过渡到实用设备的一个必需考虑的问题,因此,本文在基于“模拟自然阅读”诱发模式的脑控拼写装置的研究上,设计了一个基于DSP的脑电信号的模式分类系统。本文着重在算法和硬件上来设计了这一系统。在算法方面,首先以视觉诱发事件相关脑电位作为载波信号,对脑电信号进行特征提取。文中详细讨论了运用低通滤波器对信号进行特征增强及信号提取的方法,在模式分类上,以线性分类器中的传统感知器算法为基础,结合口袋算法,采用了一种改进的感知器算法,来对脑电信号进行模式分类,将这种分类算法从仅适用于线性可分性的类,推广到适用于EEG这种线性不可分的类。该算法达到了实现简单、速度快及识别率高的效果。在硬件方面,设计了基于DSP芯片的脑-机接口系统。选用TMS320VC5402作为核心处理器,应用多通道缓冲串口实现了DSP与模数转换器的接口设计;扩展了可以实现上电自动加载的FLASH;应用通用串行总线USB接口实现DSP系统与上位机的通信。最后,在DSP的软件开发平台CCS上对模式分类算法进行了系统仿真,同时对算法在DSP中实现遇到的问题进行了详细的探讨。实验结果表明了算法在构造的系统中达到了良好的效果。