脑电作为最普遍和紧要的人体生物电之一,根据研究表明其含有丰硕的生理、心理及病理信息。脑机接口(brain-computer interface, BCI)是一种生命科学领域的通讯接口,研究表明通过记录脑电信号,并对脑电信号进行一定的处理后能够解读出被测试的人体大脑的思维,因此能够将其转换成机器能识别的控制命令从而实现人脑对计算机、轮椅、家用电器和机器人等控制,因此科研人员研究脑电信号具有举足轻重的意义,主要运用于脑功能分析、临床神经科疾病分析、判断人思维乃至国防工业等方面。基于视觉诱发电位P300的脑机接口比较容易实现,因此本论文主要是研究如何判断采用视觉诱发获得的脑电数据中是否含有诱发电位P300及其处理方法：1.在脑电采集系统中,工频干扰是最常见的干扰之一,在硬件上进行强制性去工频干扰会去掉有用的脑电信号,所以使用算法软式去工频干扰,可以减少脑电信息的丢失,因此本论文对脑电信号预处理时专门设计了一个工频陷波器,滤掉50Hz的工频干扰,它能在保证其他频率的信号不损失的情况下,有效的抑制输入信号中某一频率信息。2.工频滤波后的脑电数据可能还是含有其他的噪声,甚至被噪声淹没,使提取脑电数据的特征带来了非常大的困难,所以去除掉噪声为下步特征提取做好准备具有重要意义。由于小波分析是一类窗口大小不变,大小可变的典型的不论在时域还是频域都有不错的局部化信号分析方法,其可根据被分析的信号的特点自适应地分析不同尺度的被分析信号,所以本论文使用基于小波基‘’sym6"勺小波分析进行默认阈值去噪；3.为了提高分辨的速度和提取脑电数据时域的特征量,进行脑电数据降维的同时保存脑电数据时域的基本特征是普遍的做法。根据对小波分解的介绍和分析,本论文采用了基于小波基“sym6”的脑电数据分解,一段采样点206的脑电数据的经过小波分解后降维到23个点；4.为了获得更多P300的特征量已到达训练出更好的支持向量机分类模型,本论文提出了采集脑电数据的能量域特征,因此引入了Teager能量算子。Teager能量算子的计算比较简单因此在计算一段标记区间的脑电数据比较迅速；5.脑电数据进行时域和能量域的特征提取后,要使用一种方法进行二分类判断其是否含有P300。本论文提出了采用支持向量机进行二分类,选用基于RBF核函数的支持向量机分类模型能够满足判断脑电数据是否含有P300的要求。因此,本文提出的基于小波分解和Teager能量算子的综合特征提取算法比只基于时域特征提取的算法精度更高。具有比较好的理论研究和应用价值。