脑机接口(BMI)是一种用于在生物脑组织与机器设备或电脑之间建立连接通路的一种技术，该技术不依赖于大脑的正常输出通路及外周肌肉神经连接，广泛地应用于生理脑组织和外部设备（例如人工假肢）之间建立直接信息交互的系统。系统通过感知识别神经元放电活动以及脑机接口技术和控制理论的组合来修复大脑的受损部分，产生驱动信号驱动外部装置恢复肌体运动任务。基于脑机接口设计的神经假肢系统在恢复残疾的受试者的运动任务中具有良好的应用前景。　　本文的研究基于已通过实验验证的心理生理皮质神经元放电率电路模型，在脑机接口控制理论分析的基础上，以神经元峰电位为切入点进行自发单关节运动任务。通过对生理皮质神经元放电率电路模型进行实验仿真，模拟完成自然本体在存在和不存在自然本体反馈情况下的单关节伸展运动任务，并从实验的结果中获取用于闭环脑机接口设计的综合数据集。针对脑机接口系统解码器模块的非线性特性，采用自适应ESN(echo state network)设计并引入FORCE算法更新网络输出权值，将得到的解码器与基于自适应维纳滤波(WF)设计的线性解码器进行性能对比，通过仿真有无自然本体反馈信息情况下的解码器性能，来验证所设计的解码器的有效性。在后文的研究中，将基于ESN设计的解码器运用于设计开环脑机接口系统（解码器系统），并进行自发单关节运动任务实验。实验结果表明在不存在自然本体反馈的情况下，开环脑机接口系统的性能出现明显的退化，无法完成对自然本体有反馈作用情况下肢体关节运动轨迹的跟踪。为了能够恢复解码器在无本体反馈情况下的开环脑机接口系统的性能，需要通过设计人工本体反馈以刺激大脑皮层运动相关神经元，从而将肢体运动相关信息反馈回大脑皮层。　　针对上述提出的问题，本文通过基于遗传算法LS-SVM的直接逆模型框架设计人工感觉反馈，并通过反馈刺激大脑皮层运动相关感觉区神经元，将肢体关节的实时运动轨迹信息反馈回大脑皮层，从而构成闭环脑机接口系统。为了提高基于遗传算法LS-SVM的直接逆模型设计的辅助控制器的鲁棒性及抗干扰能力，采用一种无模型自适应预测控制(MFAPC)进行外环补偿。最后，将设计的辅助控制器与基于神经网络PID(BP-PID)设计的控制器的控制效果进行对比。仿真研究表明基于LS-SVM逆模型/MFAPC复合控制方案设计的闭环脑机接口系统框架，能够很好地恢复在线自发单关节自然运动任务性能。