脑机接口(BCI)可以在不依赖于肌肉组织的情况下,直接通过采集脑信号并转化为相应的机器命令去控制外部设备,从而完成人机交互的过程,这为有运动障碍的残疾人提供了一种与外界进行交流的方式。本文研究基于头皮脑电(EEG)的BCI系统。其中,基于P300的BCI系统已经较为完善,但是在实际应用过程中仍然存在着大量问题。本文主要针对当前P300 BCI系统中信息传输率较低的问题,从以下两个方面展开了研究工作:1)本文设计了一种交互式P300字符输入范式。在传统P300字符输入BCI系统中,为了改善信噪比实现可靠的P300检测,需要进行多次重复刺激。通常刺激序列的重复次数是固定的,而且所有字符都出现在刺激序列中,从而导致系统信息传输率较低。针对这个问题,本文首先提出了一种基于实时脑电数据在线缩短刺激序列的算法,该算法根据在线获取的脑电数据,计算出对应闪烁字符成为目标字符的后验概率,将后验概率较低的字符从刺激序列中删除,从而动态缩短刺激序列的长度,减少受试者完成拼写任务的时间。接着,本文将刺激序列缩短算法与动态停止准则(DSC)相结合,提出了序列缩短动态停止准则(SS-DSC)算法,该算法在缩短刺激序列的同时,利用上述后验概率判断闪烁字符所对应的EEG中是否存在P300。如果检测到可靠的P300,则立即停止刺激,并将对应的闪烁字符作为目标字符输出,从而实现系统的动态输出,进一步提高系统的信息传输率。2)将贝叶斯线性判别分析(BLDA)与所提出的SS-DSC算法相结合,开发了基于P300的高速字符输入BCI在线实验系统。通过在线实验对本文所提出的SS-DSC算法进行验证,同时与其它停止准则算法进行比较。针对SS-DSC算法可能将目标字符从刺激序列中误删的问题,提出了误删检测方法。另外,我们将卷积神经网络(CNN)与SS-DSC算法相结合实现了P300高速字符输入。离线分析结果表明,基于CNN的P300BCI系统具有更高的拼写准确率和信息传输率。实验结果表明,与基于传统静态停止准则(SSC)或动态停止准则(DSC)算法的P300 BCI系统相比,基于SS-DSC算法的P300 BCI系统在保证拼写准确率的情况下,能够明显提高系统的信息传输率。