脑机接口（Brain-ComputerInterface，BCI）提供一种不经过人的外周神经和肌肉组织的参与，而仅通过人的大脑与外界进行信息交流的手段，可以为有肢体运动障碍的病患者提供与外界进行交互的机会，在康复工程、健康辅助设备、娱乐以及脑认知等方面具有广阔的应用前景。论文提出了一套基于运动想象的脑-机器人控制系统——用户学会控制自己的思维后，系统将采集到的用户脑电信号进行模式识别，最后翻译成控制指令，并控制机器人的运动。论文主要工作包括：（1）概括了脑-机器人系统的研究现状，介绍了脑电信号的产生机理和传播机制，和运动想象信号的基本原理；（2）介绍了使用的特征提取算法——Wavelet-CSP算法，介绍了三种不同的分类器，通过结果的比较，最终使用SVM分类器，同时提出了一种基于半监督学习的分类算法，该算法可以提高用户训练的精度；（3）介绍了机器人运动的理论，提出了两种不同的室内导航模式——自主模式和协作模式，并将协作模式用于系统的实验中，可以有效解决用户长时间使用的疲劳问题；同时使用状态机将运动想象的两分类用于机器人的多状态运动中；（4）设计并实现了完整的运动想象脑电信号机器人运动控制系统，设计了规范化的实验流程，设计并进行了离线和在线的脑电实验，使用用户的左手和右手运动想象信号对机器人进行在线控制，取得良好的效果。实验结果表明，该系统可以正确地提取出用户的脑电信号特征，并翻译成机器人的控制指令，可以有效地用于机器人的实时控制。