本文对基于自发脑电的脑—机接口进行了研究。 　　首先，在已公布的可靠BCI数据基础上，选取合适的数据预处理、特征提取和模式分类算法。选择Laplacian滤波突出局部脑区信号。在事件相关去同步/同步(ERD/ERS)、AR模型系数、近似熵等参数中选择ERD/ERS作为特征，并使用简单而有效的线性分类器进行分类。其次，通过最小化运动准备时间实验和保持运动准备状态实验，发现被试的运动准备状态能否保持足够的时间长度与ERD/ERS模式之间的关系很大。对保持左右食指运动准备状态下的ERD/ERS模式进行了详细的时频分析，并采用基于几何距离的特征可区分性判据来分析左右食指动作准备下脑电差异程度随时间变化的过程。在此基础上估计了以单次运动准备方式产生自发脑电的脑—机接口系统中，产生一个有效命令所需时间。最后，采用左右手手指分别作三种不同复杂程度共六种模式的运动来产生不同脑电模式，并用作BCI系统命令。采用基于几何距离的特征可区分性判据进行分析，结果显示：采用单个导联单个频段的功率作为特征，就可以在一定阈值下区分3～5种状态；如果使用多个特征，则可以区分6种状态。研究表明可以通过手指不同复杂度运动获得多个BCI系统命今。