上肢康复外骨骼机器人作为康复机器人中的一种,可以穿戴在人体,帮助人体进行有效的物理康复训练,对于伤残或者脑卒中病人是一种非常好的康复设备。在传统控制方法的基础上引入脑电控制,可以更好的解读人体运动意图,脑机结合可以更好的帮助病人重建神经通路,提升康复效果。本文主要研究上肢外骨骼机器人的脑电感知方法,主要研究了稳态视觉诱发电位和运动想象两种脑电信号感知方法,基于Open BCI搭建了完整的控制系统,进行了脑电信号的采集处理识别以及上肢外骨骼机器人的运动控制,同时基于商用脑电仪EGI完成了稳态视觉诱发电位和运动想象实验与本文所搭建的系统进行对比,具体研究内容如下:搭建了基于稳态视觉诱发电位（Steady State Visually Evoked Potentials,SSVEP）和运动想象（Motor Imagery,MI）的上肢外骨骼控制系统,两套脑电信号产生机理完全不同,故针对各自的产生机理分别设计了刺激呈现系统和信号采集处理系统,运动意图解码后与传感器数据融合获得外骨骼运动控制指令,共有旋内、旋外、前屈、后伸四种康复动作,完成了离在线实验。针对两种脑电信号分别实现了信号分析系统。稳态视觉诱发电位需要被试不断接受外部视觉刺激,刺激呈现由四个不同频率的闪烁方块构成,注视刺激产生的脑电信号首先经过信号预处理,减少工频干扰和基线漂移等,然后通过典型相关分析（Canonical Correlation Analysis,CCA）提取识别脑电特征来计算被试运动意图。运动想象仅需被试完全自主想象,刺激界面由简单的方块提示信息构成,被试进行运动想象产生的脑电信号同样首先经过信号预处理减少工频干扰和基线漂移等,然后通过噪声辅助的多变量经验模式分解（Noise-assisted multivariate empirical mode decomposition,NA＿MEMD）将信号分解成多个本征模函数（Intrinsic Mode Functions,IMFs）,然后计算各阶IMF的敏感因子来选择包含更多有效信号的IMF,将有效的IMF叠加融合进行信号重构,通过共同空间模式算法（Common Spatial Patterns,CSP）提取特征,最后将提取的特征输入支持向量机（Support Vector Machine,SVM）识别分类获得被试运动意图。分别设计了基于稳态视觉诱发电位和运动想象的验证实验,验证实验包括离线实验和在线实验,离线实验中被试不穿戴外骨骼,仅验证了脑电信号处理算法的有效性,并分析讨论最优算法参数。在线实验被试会根据实验范式诱发相应脑电信号,脑电信号被实时采集分析处理,结合外骨骼传感器实时输入xpc实时系统控制外骨骼机器人执行康复动作,验证了整个控制系统的有效性。根据实验结果,基于两种脑电信号的解码算法均拥有较高准确率,能有效控制外骨骼机器人进行康复训练。