脑-机接口(Brain-Computer Interface，BCI)是一种新颖的交互方式，受到国内外学者的广泛关注和研究。脑-机接口不依赖外周神经和肌肉进行信息传输，是在人脑和外设之间建立的一种通讯系统。因而，可以通过脑电信号控制辅助装置，为行动不便的残疾人提供服务，为患有焦虑症的人调节情绪，协助偏瘫患者进行康复训练，也可以为人们提供新的娱乐方式等。本文以运动想象脑电信号为载体研究了脑电信号的预处理、特征提取和模式分类等问题，并设计了利用脑电信号控制机器人运动的方法。本文做了以下工作：(1)利用一种改进了的小波阈值方法对脑电信号进行消噪处理，该方法通过处理小波系数模的幂次和阈值的幂次来估计小波系数，它不仅改善了传统小波阈值处理方法的不足，而且保留了它们的优势。(2)由于人在想象单侧肢体动作时，运动想象脑电信号中的ERD/ERS现象在特定频段较为显著，可以获得有效的表征运动想象任务的特征信息。针对这一特性，以及脑电信号的非线性特性，提出了双树复小波样本熵的特征提取方法，该方法通过双树复小波变换，把脑电信号进行多层分解，抽取出对应于运动想象脑电信号中ERD/ERS现象的节律波信号，并用样本熵方法提取该节律波的特征。(3)在脑电信号模式分类中，针对隐马尔科夫模型的独立性假设与脑电信号间相关性的不一致问题，提出一种基于Choquet模糊积分隐马尔科夫模型的脑电信号分类方法。该模型应用模糊积分的单调性取代了概率测度的可加性，放宽了隐马尔科夫模型的独立性假设，可以有效提高隐马尔科夫模型方法对运动想象脑电信号分类的性能。(4)设计了一套运动想象脑电信号控制移动机器人的BCI系统实验方案，用右脚踢球、左手捡球、左脚单脚跳左手扔球、右脚单脚向前跳后并右手捡球四种运动想象任务控制机器人的前进、刹车、左转、右转四种基本运动。(5)分别采用2008年BCI Competition IV Datasets1数据和实验采集的多类运动想象脑电信号数据进行实验，实验结果表明双树复小波样本熵特征提取方法可以有效提高不同类别运动想象脑电信号的可分性，针对多类复杂运动想象脑电信号的分类，CI-HMM分类器的识别率优于SVM分类器。