脑机接口是一种不需要通过人的神经肌肉,仅利用其脑电信号就可以直接地控制电脑或其他机器运作,从而实现人脑与外部设备信息交互的新技术。针对现有脑机接口技术存在编码效率及指令识别准确率低的问题,本文从脑控字符拼写系统诱发范式和指令信息解码两方面展开研究,并通过实验验证了所提出的视听混合刺激诱发脑机接口的有效性。首先,为了研究视、听觉刺激及其语义匹配性对脑机接口性能的影响,共设计了四种刺激方式的数字拼写实验,分别为单一视觉刺激、单一听觉刺激、语义一致的视听觉刺激和语义不一致的视听觉刺激。通过统计分析,比较了不同刺激方式的行为学特征、事件相关电位特征以及离线分类正确率,证明了语义一致的视听觉刺激是一种让被试大脑响应更快、更强且识别正确率更高的刺激方式。针对此实验获取的脑电信号,提出了一种空频域脑电特征提取方法,利用共空间模式对脑电信号进行空域滤波,将滤波后的信号分解为5个不同频段,并分别求其平均功率谱密度作为特征,采用支持向量机算法对语义一致的视听觉数字拼写实验数据进行离线分析,所有被试的分类正确率均可达到95%以上。其次,通过语义一致的视听觉刺激方式,设计了包含40个输出字符的脑控拼写范式。实验范式采用了基于两阶段编码的组码+字符码方式,在第一阶段通过单一视觉刺激,利用码分多址的方法对目标字符所在组进行编码,在第二阶段采用语义一致的视听觉刺激对目标字符进行编码。基于上述范式进行了脑控字符拼写实验并采集了对应脑电信号,分析了目标刺激的事件相关电位特性,并基于样本类内方差最小、类间方差最大的目标函数来代替对数损失函数的思想,提出了基于卷积神经网络的深度线性判别分析方法用于拼写指令的分类识别,离线实验结果表明,所提方法的识别正确率比采用卷积神经网络和三维卷积神经网络方法均有所提高,最高可达75.8%(第一阶段)和88%(第二阶段)。综上,本文以脑控拼写应用为例,设计实现了视听混合诱发字符拼写实验范式,并证明其有效性,进而提出了一种空频域脑电特征提取方法及深度学习识别算法,进一步扩展了脑控字符拼写指令信息解码的方法,研究成果对推动脑控字符拼写系统的实用化具有一定参考价值。