计算机的日益普及方便着越来越多的健康人,而对于那些严重瘫痪的残疾人由于不能使用肢体进行人机交互,导致了无法使用计算机甚至不能生活自理。于是,基于生物电的人机交互系统应运而生。由于眼电信号在所有的生物电信号中具有检测容易、幅值较高、处理简单等特点引起重视,并被作为一种新的人机交互的方式。眼电图(Electro-oculogram,EOG)由于其无创、不影响眼正常活动等优势成为采集眼电信号的一种新方法。基于EOG的人机交互系统也成为当下研究的热点,具有广阔的研究前景。本文主要研究不同扫视角度下的EOG信号的特征提取和模式识别,通过对EOG信号的分析研究提出了一组高效的特征参数,并使用神经网络方法进行模式识别。论文的主要工作如下：1.基于EOG的扫视角度定位实验设计与数据采集。根据人眼的扫视范围初步设定了四个水平方向的扫视角度,进行了大量的实验,采集原始EOG数据。2.眼电信号特征提取。在参阅大量文献和不断仿真实验后,针对本文中的不同扫视角度眼电信号的特征,提出了两种特征参数：一种是基于波形的四维参数；另一种是基于LPC与主要波形特征的15维组合参数。3.四类扫视角度模式的分类识别。使用人工神经网络中的BP网络、RBF网络和SVM网络对四类模式进行识别。对两类特征下的BP识别效果进行对比,并使用LPC组合参数分别对不同网络中的关键参数进行了大量的对比仿真实验,确定了关键参数值。引进了交叉验证的思想。在MATLAB 7.0环境下,实现了模式识别仿真实验,验证了LPC组合参数和神经网络识别算法的有效性。4.搭建简易GUI演示平台。为形象显示不同模式的波形特征和展示识别效果搭建了一个简易的GUI演示平台。5.设计了基于VC++6.0在线识别系统。该系统主要通过设定门限和差分来实现,对特定人的效果比较明显,系统可以识别出不同的扫视角度并做出反馈。论文对基于EOG的扫视角度进行了识别和分类研究,设计实验并采集数据,对原始眼电信号进行滤波和端点检测等预处理,提出有效的特征参数并进行模式识别,识别效果较好,对不同扫视角度识别的在线系统进行了初步设计和实现。为深入研究基于EOG的人机交互系统做了基础性工作。