脑-机接口技术(Brain-Computer Interface,BCI)是现如今研究的一个热点,有别于人类大脑正常控制由周围神经网络和肌肉组织组成的传统输出途径,它是把脑电活动转化成电脑、机器人等设备能够识别的控制信号来控制机器来完成人与外部环境进行信息交流的新型控制系统,为大脑正常而无行为活动能力的人们提供了一种新的与外部进行交流的通道,在生物医学工程和医疗康复邻域中得到广泛的关注和重视。在脑-机接口研究方法中,对脑电信号的分析是研究的核心部分,而基于运动想象脑电信号的脑-机接口技术存在操作简单,无危险的优点,倍受研究员的青睐,具有深远的研究意义和实际应用价值。本文就是基于想象运动思维的脑电信号分析研究,主要是对脑电信号的预处理、特征提取和模式分类三个方面展开研究,期望达到能够准确、实时识别脑电信号的目的。首先设计试验方案,采集脑电信号。针对所研究的课题内容,设计相应的大脑意识任务实验,按照实验要求,本文利用上海诺诚医疗器械NCERP系列脑电图与诱发电位仪的16导脑电采集系统采集3名被试者的脑电数据,选择信号明显的脑电数据来展开研究工作,然后结合脑电信号的特点,采用有限脉冲响应滤波器进行0.5-30Hz的带通滤波和总能量均值变换法来进行通道选择,去除其中的部分高频的肌电和工频干扰等,提取了有效信息,结合大脑的解剖与功能可知,选择的通道是有效合理的,并且在减轻后期研究的工作量和难度取得了较好的效果,接着针对于脑电信号的特征提取问题,结合脑电信号的混沌特性和节律能量性,采用混沌分析法计算最大Lyapunov指数和关联维数,用离散小波变换计算小波子带能量和以及用小波包变换计算小波包节律能量均值与小波包能量熵这三种方法对所研究的想象意识任务进行特征提取,并且提出了混沌分析法分别与离散小波变换和离散小波包变换相结合的两种组合特征提取方法来完成脑电特征的提取,为下一步的识别测试做准备。最后针对于脑电信号的模式分类问题,采用BP神经网络、二叉树支持向量机和极限学习机三种分类方法完成对不同特征提取方法所得到的特征向量进行识别探讨。最终由仿真识别结果可知,有混沌分析与小波包变换相结合的特征提取方法协同极限学习机的分类方法在本课题的问题解决上有最优效果,适合于多类信号的分析问题。