作为一种新型的人机交互方式,脑机接口(brain-computer interface,BCI)不依赖于人体的外周神经系统及肌肉组织,可以将大脑产生的脑信号直接转化成机器可识别的操作指令,扩展了人类对外界信息交流和控制的能力。稳态视觉诱发电位(steady-state visually evoked potential,SSVEP)是大脑视觉皮层对外界恒定频率的视觉刺激产生的一种稳态响应。基于SSVEP的脑机接口具有信息传输速率快、分类准确率高且无需训练等优点,具有较高的应用价值,成为目前BCI领域研究的热点之一。然而现阶段的SSVEP-BCI系统大多采用价格昂贵的脑电采集设备和体积庞大的视觉刺激器,难以服务于人们的日常生活。有鉴于此,本文旨在探索一种移动性好、实用性强、低成本、便携式的SSVEP-BCI系统的构建方法,并对其关键技术展开研究。具体而言,即采用低成本的无线可穿戴设备Emotiv EPOC作为脑电采集装置,采用轻便的智能手机作为视觉刺激器,构建了新颖的SSVEP-BCI系统,并对刺激频率调制方式、SSVEP信号分类算法,以及应用系统构建方法等关键技术进行了研究。首先,针对传统基于帧序列的刺激频率调制方式在被试舒适度等方面存在的不足,本文提出了一种新的频率调制方法—基于灰度值的刺激频率调制方式。该方法通过灰度值正弦变化的方式产生周期性视觉刺激。实验结果表明,这种刺激方式对眼睛的刺激性较小,改善了被试的舒适度,且能诱发更高质量的SSVEP信号。其次,为了获得更高的SSVEP识别准确率,本文在传统基于CCA的SSVEP分类算法的基础上提出了三种改进算法—基于频率间距的CCA分类算法、基于模糊集的CCA分类算法和基于个体信号模板的CCA分类算法。测试结果表明,这三种算法对SSVEP信号的分类效果依次增强。最后,本文在以上研究成果的基础上实现了一个基于SSVEP的便携式脑控智能小车系统,探索了便携式SSVEP-BCI系统的构建方法,并展示了其应用潜能。该系统每分析两段SSVEP信号后产生一个控制指令,能够在较少的刺激选项下生成多种不同的控制指令,具有较强的实用性。实验表明,该系统的平均识别准确率和平均信息传输速率分别为79.45%和10.92 bits/min。