机械臂代替人类从事繁重劳动和危险工作被广泛应用于生产生活的众多领域,其控制方式逐渐向基于生物信号控制的方向演进。随着脑机接口技术的发展,基于运动想象脑电实现对机械臂的控制已成为现实,然而,该技术尚不成熟且存在控制不自然的问题:如通过左手、右手、双脚、舌头等的运动想象脑电来操控机械臂。由于机械臂具有能模仿人手臂动作的独特性,操控者最舒适的控制方式是通过想象自己手臂的动作来控制对应机械臂的运动,即实现人对机械臂的自然控制。因此,实现基于运动想象脑电对机械臂的自然控制是必然的发展趋势,而实现这一系统还需要解决一系列技术难题,其中最关键的技术是设计自然的运动想象任务模式并进行有效的解码。目前,基于运动想象脑电的脑机接口领域主要集中研究脑电信号处理算法和在线脑机接口系统。绝大部分脑电信号处理算法研究中多采用脑机接口竞赛公开的数据,在线脑机接口系统中通常制定特有的运动想象任务模式来采集数据,这些数据所涉及的运动想象任务模式的共同点是:基于手、脚、舌等不同部位运动想象,其脑电信号识别特征明显,但都不适用于对机械臂的自然控制。单侧上肢运动想象脑电的有效识别能够对基于脑机接口的机械臂实现自然控制,但国内外研究机构对单侧上肢运动想象脑电识别的研究较少,识别率有待提高,研究成果很少应用于机械臂控制。本文在国家自然科学基金项目的支持下,针对基于运动想象脑电的机械臂自然控制中的关键技术,开展单侧上肢运动想象脑电识别研究。本研究的核心内容包括:（1）针对机械臂自然控制设计了单侧上肢运动想象脑电实验。首先,搭建了两套脑电采集系统;其次,依据两套脑电采集系统的特点及运动想象的生理学现象分别制定了两套系统的实验电极选取方案;最后,设计了右上肢运动想象任务模式及实验范式。（2）单侧上肢运动想象脑电处理算法的研究。除使用经典的公共空间模式算法外,本文提出将相位同步信息作为单侧上肢运动想象脑电的特征,同时引入卷积神经网络算法。（3）对运动想象脑电实验的结果进行分析。对基于非便携式脑电采集系统和基于便携式脑电采集系统的结果进行纵向和横向的对比分析。纵向分析验证了单侧上肢运动想象的生理学现象;对比了不同算法的优势与劣势。横向分析对比了不同算法在两种脑电采集系统中的分类性能损失;分析了运动想象与脑区域间相位相关性的关系。本课题的研究为运动想象脑电信号识别和机械臂自然控制提供了一种新思路,让基于单侧上肢运动想象脑电的机械臂自然控制成为可能,对脑机接口未来的应用有重大意义。