准确高效地对脑电信号(Electroencephalogram,EEG)进行分析处理,对于探索大脑功能、治疗脑科疾病和实现脑机接口具有重要的意义和价值。脑电信号处理的速率和准确率是制约脑电技术研究和应用的瓶颈,有鉴于此,本文对脑电波信号处理进行了研究,利用支持向量机(Support Vector Machine,SVM)方法,并选取了线性、非线性以及多项式三种核函数,分别计算了单次运动想象脑电波信号的分类准确率。本文的主要内容包括脑电信号的相关知识概述、实验、总结与展望三个板块。其中第一板块主要介绍了脑电信号的产生机制、采集方法和过程以及国内外的研究进展。第二个板块实验与分析是本文的重点。实验采集了21位19-23岁的被试在想象向前、向后等五个不同方向运动时的脑电波信号,对采集到的信号进行滤波、独立成分分析以及手动去噪等严格的预处理后,再利用SVM对数据进行分类。SVM中三种不同的核函数分类结果可知,线性核函数的分类正确率为77%,一类错误率为9%,二类错误率为14%,相比非线性核函数和多项式核函数分类结果更好。因此,在使用SVM对运动想象脑电波数据进行分类时可以选择线性核函数。第三个板块对本文进行了全面的总结,并对脑电信号的研究以及分类方法的发展进行展望。