The P300 wave has been successfully employed to develop brain-computer interfaces (BCI) for speller applications. However, methods to analyze the P300 require computers with high processing capability because they are computationally complex and require many electrodes. Therefore, this paper proposes a novel BCI speller system based on the P300 wave that employs a few electrodes and a processing method aimed to design ubiquitous and embedded applications. The experiments were developed with a dataset generated by our BCI data acquisition system. The BCI speller developed requires five electrodes for data acquisition, and the visual interface is an improved Donchin speller. Our BCI includes a novel processing method composed of the following modules: preprocessing, signal averaging, low computational cost convolutional neural network, and character prediction. The network has two feature extraction sections, a fully connected layer and a SoftMax layer. According to the results, the proposed BCI speller has an accuracy of 96% using just five electrodes, and it is similar to the best BCI for P300 analysis described in the literature. The processing time makes the system practical for online applications since the processing method has a low computational burden and the acquisition system has the lowest number of electrodes for P300 analysis reported in the literature. Considering the low computational burden, the low number of electrodes required, and the accuracy achieved, we conclude that our proposed BCI speller may be considered as one of the best spellers based on P300.

P300 wave已成功用于开发拼写器应用程序的脑机接口（BCI）。但是，分析P300的方法要求计算机具有高处理能力，因为它们计算复杂，并且需要许多电极。因此，本文提出了一种基于P300波的新型BCI拼写系统，该系统使用了几个电极，并设计了一种旨在设计普遍存在和嵌入式应用程序的处理方法。实验是使用我们的BCI数据采集系统生成的数据集开发的。开发的BCI拼写器需要五个电极来进行数据采集，并且可视界面是改进的Donchin拼写器。我们的BCI包含一种新颖的处理方法，该方法由以下模块组成：预处理，信号平均，低计算量卷积神经网络，和角色预测。该网络有两个特征提取部分，一个完全连接的层和一个SoftMax层。根据结果​​，提出的BCI拼写器仅使用五个电极即可达到96％的准确度，与文献中描述的用于P300分析的最佳BCI相似。处理时间使该系统可用于在线应用，这是因为该处理方法的计算量较低，并且采集系统具有的文献中报道的用于P300分析的电极数量最少。考虑到较低的计算负担，所需的电极数量少以及实现的精度，我们得出结论，我们提出的BCI拼写器可以被认为是基于P300的最佳拼写器之一。根据结果​​，提出的BCI拼写器仅使用五个电极即可达到96％的准确度，与文献中描述的用于P300分析的最佳BCI相似。处理时间使该系统可用于在线应用，这是因为该处理方法的计算量较低，并且采集系统具有的文献中报道的用于P300分析的电极数量最少。考虑到较低的计算负担，所需的电极数量少以及实现的精度，我们得出结论，我们提出的BCI拼写器可以被认为是基于P300的最佳拼写器之一。根据结果​​，提出的BCI拼写器仅使用五个电极即可达到96％的准确度，与文献中描述的用于P300分析的最佳BCI相似。处理时间使该系统可用于在线应用，这是因为该处理方法的计算量较低，并且采集系统具有的文献中报道的用于P300分析的电极数量最少。考虑到较低的计算负担，所需的电极数量少以及实现的精度，我们得出结论，我们提出的BCI拼写器可以被认为是基于P300的最佳拼写器之一。处理时间使该系统可用于在线应用，这是因为该处理方法的计算量较低，并且采集系统具有文献中报道的用于P300分析的电极最少。考虑到较低的计算负担，所需的电极数量少以及实现的精度，我们得出结论，我们提出的BCI拼写器可以被认为是基于P300的最佳拼写器之一。处理时间使该系统可用于在线应用，这是因为该处理方法的计算量较低，并且采集系统具有文献中报道的用于P300分析的电极最少。考虑到较低的计算负担，所需的电极数量少以及实现的精度，我们得出结论，我们提出的BCI拼写器可以被认为是基于P300的最佳拼写器之一。