脑-机接口(BCI)系统是一种能在外部设备与脑之间建立信息传输通路的人机交互系统,同时也是当前脑科学研究中最热门的领域之一。以脑电信号的采集方式为标准,BCI系统可以分为侵入式BCI和非侵入式BCI。其中基于稳态视觉诱发电位(SSVEP)和运动想象(MI)的非侵入式BCI是目前研究和应用最广泛的BCI系统。由于脑电信号弱、噪声大、伪迹多,对脑电信号的分析造成巨大干扰。利用相关脑电信号预处理方法能有效去除伪迹、噪音数据,提高脑电信号的信噪比,为之后的脑电信号特征提取、分类提供更准确的有效数据。首先,本文提出了一种带通道选择的共空间模式算法(CS-CSP),采用基于遗传算法的通道选择算法对CSP算法得到的特征向量降维,提升分类效果。实验结果分析表明,切比雪夫II型滤波优于常规预处理方法,且带通道选择的共空间模式算法分类正确率较未采用通道选择的原始算法有较大提升。其次,在基于多变量同步指数的多导频率识别算法的基础上,提出了改进的基于多变量同步指数与独立成分分析的多导频率识别算法(MSI-ICA),采用公开数据集与典型相关分析(CCA)、基于滤波器组典型相关分析(FBCCA)等算法进行对比。实验结果表明,MSI-ICA算法在分类准确度和信息传输率等方面都优于对比算法。最后,获取符合要求的脑电信号是脑机接口研究工作的前提。本文详细介绍了视觉刺激器的研究、设计和实现步骤,并针对各种刺激参数的选择做了说明,并使用Python平台的Pygame库实现了视觉刺激器的软件原型系统,论文最后介绍了脑电信号采集系统和刺激范式的设计。