在过去的几十年里,有许多的研究表明人类可以通过脑机接口(Brain-Computer Interface,BCI)来使用脑电信号与计算机或机器进行通信。脑机接口系统可以通过头皮上的电极放大并记录脑细胞群自发性、节律性的电活动,并将其转化为控制信号传递给外部设备。脑机接口技术被广泛用于心理学、临床诊断、认知研究等领域。混合脑机接口系统是一种多模态的脑机接口系统,它通过集成两个或更多不同的脑机接口系统来消除单一模态的缺点并保留其优点。混合脑机接口的出现在脑机接口领域具有革命性的意义。本研究结合脑电信号(Electroencephalogram,EEG)中的稳态视觉诱发电位(Steady-State Visual Evoked Potential,SSVEP)和眼动追踪(Eye Tracking)技术来构建一个全新的混合脑机接口系统。在这个混合脑机接口中,眼动追踪技术被用于目标的初选,而SSVEP信号则被用于在初选后的子集中识别最终的目标。这种混合脑机接口相比于传统的SSVEP单模态脑机接口有着更高的准确率、信息传输速率和更好的人机交互体验;相比于眼动追踪技术不但可以规避“Midas Touch”问题且有着更高的识别精度。本研究首先使用所提出的混合脑机接口构建了一个打字机。通过在线测试,该打字机获得了 94.7%的平均识别准确率和191.3 bits/min的平均信息传输速率,而同等条件下的SSVEP单模态打字机的这两个指标仅为47.3%和62.1 bits/min。随后我们将指令的数量加至最多112个并且将按钮面积最多缩小了 55.6%以测试该混合脑机接口的横向可扩展性。结果显示,该打字机的识别准确率没有出现显著的降低。本研究后来尝试将这种混合脑机接口应用到更加复杂的场景之中,因此实现了 一个混合脑机接口网络浏览器并设计了一个模拟日常互联网使用的在线测试流程。结果显示,该网络浏览器相比于其他脑机接口网络浏览器不但有着更加易于使用的人机交互方式还有着更短的指令识别时间和更高的信息传输速率。其中,平均指令识别时间达到了 8.09秒,这一结果进一步缩短了脑机接口交互方式与常规键鼠交互方式的差距。目前,脑机接口研究的主要目的是通过外部设备来帮助患有严重运动障碍的患者的改善其生活质量。很多时候我们不仅仅需要高准确率和高信息传输速率,系统的稳定性、易用性、可扩展性也同样非常重要。本研究通过实验证明了所提出的混合脑机接口是一种零训练的、高效的、高可扩展性的、用户友好的。因此,该混合脑机接口可以被很好地用来帮助有需要的患者,为他们树立更多的对生活的信心。