基于运动想象(Motor imagery,MI)的脑-机接口(Brain-computer interface,BCI)可以将用户的主观运动意图直接转换成控制指令,其不仅能为运动功能受损的患者提供新的日常交流方式,还可为中风患者提供一种新型的康复治疗方法。然而,当前常规的MI-BCI仍然只能区分距离较远肢体之间的运动意图(如区分左侧和右侧上肢),对于临近肢体部位的想象运动识别尚缺乏具有高可信度的研究报道。近年来,融合MI和稳态体感诱发电位(Steady-state somatosensory evoked potential,SSSEP)的新型混合范式被提出,该混合范式能通过增加载波频段提高运动想象相关的可识别信息含量,进而能够有效提升MI-BCI的识别性能,这也为提升MI-BCI识别临近关节运动想象提供了新的思路。由此,本文采用MI+SSSEP混合范式探索了同侧上肢中多种临近关节运动想象的识别,并构建了在线系统完成具有高可信度的识别验证。本文工作中首先探究了同侧上肢中指、腕、肘、肩四关节运动想象在MI+SSSEP范式下的可分性。离线脑电数据分析结果表明上述四关节运动想象在混合范式下具有明确的可分性,基于混合范式的四关节识别正确率显著高于随机水平,该实验结果说明混合范式可应用于同侧上肢内多临近关节运动想象的识别。进而,研究中优化了混合范式设计,构建了同侧上肢指-肘双关节运动想象在线识别系统,并进行了16名被试的在线BCI实验。实验结果显示,所有被试均能通过在线系统使用同侧上肢的握拳与屈肘动作想象输出不同的BCI指令,混合范式下的在线平均识别正确率达到了76.4%,比传统MI范式的识别率有显著提升,提升幅度达到了11%。研究表明MI+SSSEP范式能够有效提高同侧上肢临近关节运动想象识别率。最后,研究中进一步尝试了基于混合范式的同侧手拇指、食指的运动想象识别。在线实验结果表明同侧手两个手指的运动想象区分也可获得显著高于随机概率的识别正确率。其中识别率最高的被试达到了81.67%的两个手指运动想象区分,显示了混合范式在手指这样精细肢体运动想象识别上的潜力。本文围绕混合范式下同侧上肢临近关节运动想象的解码进行了多组研究,初步实现了同侧上肢多关节运动想象的在线识别,为提高MI-BCI解码性能提供了一定的技术基础。