在没有躯体运动的情况下,根据记忆在思维中排练特定动作的动态过程称为运动想象(Motor Imagery,MI)。运动想象脑-机接口(Brain-Computer Interface,BCI)是指通过在大脑中想象特定运动,来与计算机通讯或控制外部设备,该技术有助于瘫痪、脑卒中患者的肢体康复。研究显示,随着运动想象任务的增加,分类正确率也会有所降低,针对多类运动想象的研究十分必要。本文在研究了基于共空间模式(Common Spatial Pattern,CSP)的特征提取算法和基于萤火虫(Firefly Algorithm,FA)的特征选择算法的基础上,提出了相应的改进算法,设计并实现了一个基于运动想象信号的运动康复训练系统。主要研究工作如下:(1)针对共空间模式未能提取时频域特征的问题,在共空间模式CSP算法的基础上,结合局部特征尺度分解(Local Characteristic-scale Decomposition,LCD),提出了一种新的特征提取算法。首先,选择部分脑电信号通道进行LCD分解,得到一系列ISC分量,然后整合该ISC分量和脑电信号,提取并融合其空域和时频域特征,最后对四类运动想象脑电信号进行分类。实验结果表明,该方法有效提取了时频域和空域信息,提高了运动想象任务的分类正确率。(2)针对特征提取过程中存在特征冗余、特征维度高的问题,结合萤火虫算法和学习自动机(Learning Automata,LA),提出了一种特征选择算法,该算法能够有效优化特征提取形成的高维向量空间。实验结果表明,与遗传算法(Genetic Algorithm,GA)、自适应权值粒子群算法(Adaptive Weight Particle Swarm Optimization Algorithm,APSO)相比,该算法有效降低了特征维度,剔除冗余特征,同时提高了脑电信号的分类正确率,验证了该算法的有效性。(3)设计和搭建基于运动想象的运动康复训练系统,实现基于四类运动想象的运动康复训练。该运动康复训练系统通过socket接收UE-16B脑电放大器采集的脑电数据,并调用MATLAB对脑电数据进行特征提取、选择和分类等处理,将处理结果反馈给运动康复训练系统和受试者。该系统在此基础上设计并完成了无反馈训练模块、反馈训练模块以及相关BCI游戏模块,促进使用者进行运动想象训练,顺利完成运动康复训练。