随着人口老龄化问题的加剧,我国面临着老年人、运动障碍的残疾人快速增长的双重叠加压力。面对急剧增加的康复、护理需求,通过科技创新来保障和改善老年人、残疾人的生活质量,已经是势在必行的重点研发任务。随着新材料、人工智能技术的不断创新,可穿戴式的外骨骼机器人已经成为老年人、残疾人提高肢体运动机能、生活质量的可行方案。由于老年人残疾人肢体活动能力弱,面向医疗康复的外骨骼机器人与用户之间的运动意图协同就显得格外重要。通常采用基于生物力学和基于肌电信号的感知技术识别人体的运动意图。但是对于那些肢体残缺、肌肉神经系统损伤的特殊人群,相关的肢体肌肉无运动感觉,此时基于生物力学的感知技术无法获取用户的运动信息;基于肌电信号的感知识别技术只能检测到十分微弱的电信号,肢体残缺患者更是无法检测信号。脑机接口技术的引入,极大地改善了特殊人群的运动意图获取能力。脑机接口技术搭建了大脑与外部设备的通讯渠道,用户可以通过大脑的意图信息直接控制外骨骼机器人进行康复训练、辅助运动。然而,现有的研究中,基于运动想象脑电信号的运动意图解码能力还有待提高,基于脑电信号的下肢关节运动解码方法无法适应特殊人群的需求。为此,本研究面向基于脑机接口技术的人体关节运动意图解码问题,开展了基于运动想象脑电信号的运动意图识别方法研究,基于脑电信号的膝关节肌电信号重建方法研究。通过对脑电信号进行意图解码,获取脑肌电之间的映射关系,为膝关节外骨骼机器人平台的连续运动控制提供了可靠的意图信息。首先,提出了基于时频分解的加权集成学习方法、基于多尺度滤波器组和时空特征融合的集成学习分类方法。利用集成学习多分类器决策的思想,构建了具有样本分布多样性、时频多样性和领域多样性的集成分类器模型,得到了更加稳定的意图解码结果,从而提高了脑电信号的分类性能。其次,提出了一种基于功率谱模式差异信息的时频子带选择方法。利用样本集之间和样本集内的功率谱模式差异信息,寻找被试者运动想象激活的ERD/ERS模式发生的频带和时间窗口,进而用于特征提取和分类,进一步提高了脑电信号的分类性能。最后,提出了一种基于脑电信号的膝关节肌电信号重建方法,并设计了基于膝关节外骨骼平台的脑肌电实验范式。通过构建EEG信号与下肢EMG信号之间的映射关系,可以利用重建的EMG信号实现下肢肌肉的运动解码,为面向特殊人群的下肢外骨骼机器人提供连续控制输入。本研究提出的意图解码方法能够提高脑机接口的解码性能,基于脑电信号的下肢肌电信号重建技术构建了稳定的脑肌电映射关系,为基于脑机接口的外骨骼机器人控制技术提供了新的研究思路。