脑-机接口是研究如何利用神经信号与外部设备直接交互的技术,即利用人的脑电活动产生控制信号实现人与外部环境的沟通而无需脊髓/外围神经和肌肉的参与。这无疑为那些因疾病丧失语言或运动能力的人带来了福音,如中风患者、脊髓损伤患者、肌萎缩侧索硬化患者、闭锁综合症患者等。目前较为成熟的脑-机接口多是基于视觉刺激而实现,但是对于一些视觉受损或丧失凝视控制的人来说这种设计并不实用。此时,基于听觉的脑-机接口由于对用户视力没有要求且不需要显示屏等一些不便携设备,所以具有更好的应用前景。现有的基于听觉的脑-机接口研究主要以P300和听觉稳态响应为主,而基于中潜伏期反应的脑-机接口研究却未见报道。相较于P300和听觉稳态响应,中潜伏期反应的潜伏期更短且只需要一个颅顶电极即可记录。目前关于听觉注意对中潜伏反应的影响的研究较不充分,单导联脑电信号的降噪也是研究的热点。本文在充分了解听觉诱发电位的基础上,在以下几个方面开展了一些研究工作:(1)设计了听觉注意中潜伏期反应的实验范式并采集了8名学生的脑电数据,针对采集过程中发现的幅值变动问题提出变系数叠加平均并加以证明。(2)针对单导联听觉诱发电位信噪比较低的问题,提出基于非线性阈值函数的极大重叠小波变换降噪算法,并设计实验挑选最优小波基;由于中潜伏期反应时间区间仅80ms,常见的眼电、心电和肌电伪迹并不能完全呈现,判定EEG背景噪声为主要噪声源。为此,研究提出基于自适应噪声完备集成经验模态分解的单导联背景EEG去除算法。(3)分析了不同注意状态对中潜伏期反应各成分波幅值及潜伏期的影响,研究发现不同注意状态下中潜伏期反应的差异具有个体差异性,对此通过采集与对比同一被试不同日期的中潜伏期反应数据进一步研究了此差异的稳定性。(4)提取不同注意状态下中潜伏期反应波形的能量、面积、C0复杂度、AR模型系数及峰值等特征,并构建多个分类器进行注意状态识别实验。8位被试以ANN作为分类器的平均识别准确率可达85.7%。此外,结合中潜伏期反应的特异性,提出对不同被试采用不同的幅值特征的方法来进一步提升识别准确率。