语言是日常生活中人们互相交流的工具,本文从听觉角度出发,使用基于EEG的方法研究大脑处理语言的机制。为此,我们设计了中日文音乐刺激的实验,并采集了23人次的脑电数据,通过独立成分分析、线性滤波等方法对信号进行了预处理,使用基于共空间模式的特征提取算法来组织特征,并比较了样本在两种分类器:神经网络和支持向量机上的分类性能。结果表明支持向量机具有更好的泛化能力,对8组实验数据达到平均82.41%的分类精度。本文首先把模糊积分的方法引入脑电信号的分析中,对各个频带提取的特征进行积分融合,相对于直接把各频带向量拼接起来的方法,模糊积分具有更高的分类精度,最高比向量拼接法高8.11%,平均精度达到86.49%。最后本文使用了无监督的特征表示方法(频带对数能量法)并结合生理上的依据对数据进行分析,结果表明大脑处理语言的相关脑区位于大脑左侧颞和额下回位置,脑电信号上主要与低频慢皮层电位及高频Beta、Gamma波相关。本文主要贡献在于:首先,设计了一组基于听觉诱发的语言任务相关的脑电实验,收集了大量不同种类的音乐作为刺激信号,并采集了一定数量的连续脑电信号;其次,采用基于共空间模式的特征提取、MLP和SVM的分类算法对数据进行分析,特别是首先在脑电信号分析中引入模糊积分算法,对各频带的脑电进行积分融合,充分利用各频带脑电的优势来提高分类精度;最后,用无监督的方法分析脑电数据,得出与语言识别相关的脑区位置,为进一步的研究打下基础。