随着科学技术的飞速发展,人们对智能化的需求越来越广泛,脑机接口(Brain Computer Interface,BCI)技术作为一种新型人机交互技术也随之从实验室走到了人们的视线之中,具有广阔的应用前景。但是脑电信号(Electroencephalogram,EEG)是一种非线性非平稳的信号,对脑电信号解析的难度较大。为了提高运动想象脑电信号的分类准确率以及脑机接口的实用性,本文选择多任务运动想象脑电信号进行研究,多任务与二分类的不同之处在于分类数量在三种或者三种以上并且分类难度也会加大,此外本文还利用脑电信号采集设备设计了一种脑机接口系统。1、在脑电信号预处理阶段:本文采用了带通滤波、公共平均参考以及独立成分分析法,消除了与运动想象脑电信号无关的信号,从而为脑电信号的特征提取和分类提供了良好的基础。2、在脑电信号识别阶段:从常规的信号分解算法出发引入了固有时间尺度分解算法(Intrinsic Time-scale Decomposition,ITD),通过对分解信号的比较,验证了ITD分解的优越性;在选取分解分量能量和AR模型系数特征的同时,还引入了相位同步对运动想象时各电极之间的同步关系进行描述,弥补了时频特征在描述空间分布特征上的不足;最后选择支持向量机(Support Vector Machine,SVM)对两种数据集下共计12名受试者的数据进行分类识别,最终分类准确率为88.99%,最终Kappa系数为0.8517,并对实验结果进行了分析讨论,该方法能够有效提高多任务运动想象脑电信号的分类结果,对脑机接口技术的研究提供了良好的理论基础。3、在脑机接口系统设计方面:在上述研究的基础上,开发了脑机接口系统。可以通过佩戴脑电采集设备,实时的对计算机上的鼠标进行控制,进而能够操作鼠标实现字符的输入和显示。该系统的开发为BCI技术的应用提供了参考。