脑机接口(Brain Computer Interface,BCI)的出现为那些不能使用传统康复手段的残疾人提供了一种新的外界交流与控制方式。利用不同心理作业的转换从而改变控制模式是BCI实现方法的一种。这种BCI的实现除基本的脑电信号采集设备外,还需要一些特定的,切实可分的心理作业以及先进的信号处理方法,另外分类器的选择也至关重要。本文建立了一个多通道脑电信号识别系统,采用离线训练、在线识别的方式,可以对复杂乘法等心理作业脑电信号实现分类操作,成功率达到70%以上。首先使用医用脑病监测仪实现了脑电信号的采集工作,通过Matlab成功调用其动态链接库,并编制了信号采集程序,实现了Matlab环境下对脑电仪硬件设备的操作。10%~20%国际电极位置系统提供了16个电极的摆放位置,但是这些电极对于少数几种心理作业的识别存在很大冗余,通过对电极位置处功率谱估计以及特征可分性的讨论选择了5~10通道用于分类系统。脑电信号存在大量的噪声,本文讨论了小波分解和ICA分析用于滤除噪声的方法。心理作业对系统实现具有举足轻重的作用,本文通过大量实验最终确定了复杂乘法、构思写信、虚拟计数等5种心理作业,并对其可分性作了分析。建立了AR模型参数、功率谱估计频带强度、小波包分解能量比率、小波包熵四种特征,分别使用PCA与ICA进行特征提取,采用线性神经网络、k-紧邻法、BP神经网络四种分类器进行分类。在综合比较各种方法后,最终选择功率谱估计频带强度为分类特征,PCA用于特征提取,线性神经网络作为分类器用于系统的实现。使用Matlab编制了系统软件界面,使用Simulink工具搭制了识别系统模块,并针对机械假手进行了控制实验,验证了特征心理作业脑电信号识别系统控制假手的可行性。