脑电信号(Electroencephalogram,EEG)是在头皮表面采集得到脑细胞生理电活动,与人的意识活动状态密切相关。通过对脑电信号的分析处理,就可以识别出不同的意识活动,使用识别出的意识活动作为控制信号,形成不依赖大脑神经系统与肌肉系统便能进行通讯的控制系统,被称为脑机接口(Brain-Computer Interface,BCI)系统。脑机接口涉及神经科学、认知科学、计算机科学、控制及信息科学、医学等多学科、多领域的人机接口方式。运动想象(Motor Imagery,MI)脑电信号是自发脑电信号的一种,指没有进行实际肢体动作的条件下,通过想象肢体运动而产生的脑电信号,在特定频段具有事件相关同步(Event-Related Synchronization,ERS)和去同步(Event-Related Desynchronization,ERD)特征。基于运动想象的脑机接口系统能够减弱受试对象的视觉疲劳程度、更加符合受试对象的思维习惯,是目前的研究热点之一。近年来,基于运动想象的脑机接口系统研究在信号处理、特征提取、模式识别及系统实现方面都取得了大量成果,但随着脊髓损伤造成的瘫痪患者日益增加,依然存在很多急需解决的关键问题。主要表现在脑电信号的综合处理、肢体运动功能的恢复与重建、实时BCI系统实现等方面,尤其是如何在想象运动时激活更大范围、更深程度的ERD特征方面还有诸多技术难题有待解决。因此,本文主要研究选取能够激活最优ERD特征的提示方式;结合最优提示方式,完成基于运动想象的实时BCI系统的实时特征提取和模式识别;进一步提高系统速度和精度。为了进一步探索更深程度的激活运动想象脑电信号ERD特征的方法,本文对两类运动想象脑电信号在不同视觉提示下的采集、处理和实时脑机接口系统的设计进行了深入研究。设计了运动想象时的视觉提示方式以增强ERD特征,分别为静态文字提示和三种动态视觉提示,三种动态视觉提示包括抓握视觉提示、序列运动视觉提示、带音乐的序列运动视觉提示。设计了多提示模式下的想象动作实验方案,并从时频图谱、功率谱估计、脑地形图、ERD值的角度对采集的信号进行分析,对比不同提示模式对运动想象ERD的影响,从而得到ERD特征激活的最佳频段和时段,选定最优提示模式。特征提取部分选用了小波包分解和共空间模式两种算法提取运动想象脑电信号的特征向量;模式识别部分采用支持向量机进行分类;通过对脑机接口竞赛数据进行特征提取、模式识别,选择相对理想的算法组合,为实时脑机接口系统选择实时特征提取和模式识别算法提供依据。最后结合最优提示模式和选取的实时运动想象脑机接口分类器,设计控制策略,在Matlab平台搭建结合视觉提示的运动想象实时脑机接口系统,实现投篮功能并将结果反馈给受试对象。通过实验验证,所有受试对象均能顺利完成实验,最高正确率达90%,平均正确率为83%。系统设计的实验范式和采用的算法具有不错的实时识别正确率和较快的识别速度。