脑-机接口是人意识直接和外部环境联系的系统。稳态视觉诱发电位是指通过凝视某一特定刺激频率而获得的具有刺激频率特征的EEG信号。基于SSVEP的BCI系统因其操作简单、训练量低,传输速率高而在BCI系统中得到了广泛研究。鉴于当前的EEG信号采集系统的体积太大、笨重并且不够灵活等缺点,因此本文设计了基于SSVEP的便携式采集系统用来实时采集EEG信号,并利用分类结果在有障碍的环境实现对智能车的控制。首先,本文研究了视觉刺激界面的特性和原理,以及各种影响因素,并利用Java语言在LCD上设计基于稳态视觉诱发电位的视觉刺激界面。使用ADS1299设计的便携式EEG信号采集设备来收集受试者的脑电信号。首先对EEG信号进行过滤用来消除噪声,然后进行模数转换,接着收集到的信号由蓝牙模块传送到上位机端,最终整个采集系统可以成功地收集到受试者的EEG信号,并且实时的在计算机上显示出来。论文研究了脑-机接口的两大设计范式:运动想象的设计范式和SSVEP的设计范式采集EEG信号的原理及相关知识,分别对两种范式进行实验设计、脑电信号的在线采集以及信号处理算法的研究。对于运动想象的设计范式提出经验模式分解结合功率谱密度和公共空间模式的特征提取算法,对于SSVEP的设计范式提出典型相关性分析的特征提取算法。两种范式下提出的信号处理算法都得到较高的分类精度。最后,利用OpenBCI开发平台设计了一个便携式BCI系统,并利用该系统在有障碍的环境中控制智能小车运动方向。在线系统实验中,四名受试者的平均准确率接近90%,与其他脑-机接口系统相比,性能上有了很大的提高。此外本文设计的脑控小车的BCI系统增加反馈机制可以减少受试者的反应时间,同时又提高了系统的性能。与此同时,实验结果也验证了CCA算法对SSVEP信号特征提取的实时有效性,为脑-机接口系统应用于实际生活中提供了新的解决方案。