В данной работе реализована система интерфейса “Мозг-Компьютер” (ИМК), способная в реальном времени определять вызванный потенциал P300, возникающий в моз-гу, когда человек ожидает увидеть заданное изображение и видит его. Проведен анализ существующих методов класси-фикаций данных сигналов. На языке С++ и Python реализован алгоритм обработки, удаления артефактов, фильтрации и классификации сигналов головного мозга, позволяющий вы-явить данный сигнал среди множества иных сигналов и шу-ма. Создано Python Jupyter Notebook приложение с адапте-ром, написанном на языке C++, для получения данных из си-стемы и экспорта их в виде файлов, используемых стандарт-ными программами-анализаторами для исследования сигна-лов ЭЭГ. Данная система является системой реального вре-мени, что дает преимущество в сравнении с системами постфактумной обработки и анализа. Оценивается точность разработанного классификатора.

In this work, the Brain-Computer interface system (BCI) is im-plemented, which is able to determine in real time the evoked potential of P300, which occurs in the brain when a person ex-pects to see a given image and sees it. The analysis of the exist-ing methods of classification of these signals is carried out. In C++ and Python, an algorithm for processing, removing artifacts, filtering and classifying brain signals is implemented, which al-lows you to identify this signal among many other signals and noise. Python Jupyter Notebook is an application with an adapter written in C++ for getting data from the system and exporting it as files used by standard analyzer programs for studying EEG signals. This system is a real-time system, which gives an ad-vantage in comparison with post-fact processing and analysis systems. The accuracy of the developed classifier is evaluated.