当今社会有两个现象非常值得关注,即人口老龄化和年轻人的慢性压力。随着老龄化情况加重,脑卒中患者人数逐年递增。而年轻人的慢性压力往往来自于快节奏的生活和社会竞争,这也导致脑损伤现象趋于年轻化。这些脑损伤造成的运动功能障碍不仅给家人带来压力,也给社会产生一定影响。这几年一直强调的“健康中国”规划说明我国对医疗健康领域越来越关注。本文提出一种新型的基于BCI-FES的脑卒中康复训练系统。该系统改善了传统康复训练机械乏味的缺点,运用脑机接口技术,设计了主动训练模块和多模态反馈模块,促使受试者主动参与到康复训练当中,并提高训练的趣味性。同时,新加入的精细运动训练模块针对精细运动功能障碍人士进行特殊的康复训练,提升了该系统的普适性。BCI-FES康复训练系统的核心在于将运动想象脑电信号转化为命令控制虚拟环境人物或外部设备,因此,准确识别受试者想象模式至关重要。传统脑电信号特征提取方法需要预置先验的活跃脑区和频率信息,因此,当传统算法应用在脑卒中患者信号处理中,性能会大大降低。此外,传统算法致力于寻找适用于所有类别数据的公共投影矩阵,并将所有样本数据投影到同一个低维子空间。研究表明,运动想象引起的活跃脑区和频率信息不仅与受试者个体有关,还与运动想象的类别有关。综上,本文提出了一种基于张量的特征提取方法,该算法将不同类别的数据分别投影到各自独立的空域和频域子空间,提取判别性的特征,从而提升分类性能。为了评估算法性能,我们将基于张量的独立多线性空频模式算法应用在健康人数据集和医院采集的脑卒中病人数据集,并与几种经典方法作比较。结果表明本文提出的算法性能优于传统算法。