人-机交互(Human-Computer Interaction, HCI)技术旨在人与计算机或其他外部机电设备之间建立直接的信息交流通道;当连接部位在人脑时,就可以使人们仅通过思维而无须借助于外周神经与肌肉系统即可控制计算机和外部设备,即形成脑-机接口系统(Brain-Computer Interface, BCI)。目前,BCI研究的发展趋势已不限于仅利用单一生理信号,如脑电(EEG)来设计BCI,正研究开发基于其他可反映大脑思维活动信号,如脑磁图(MEG)、功能磁共振成像(fMRI)、功能近红外成像(fNIRI)等,并逐渐向基于多种大脑思维活动信息融合的BCI技术发展。本文在现有基于EEG的BCI技术基础上,拟联合通过近红外光谱技术(NIRS)监测脑组织血氧状态变化,通过两种信息融合以获得能够更好地反映大脑思维活动的人-机交互方法。为此,本文设计了一种基于脑电与脑血氧信息融合的HCI装置。通过操作者按指定范式进行左/右手想象动作思维任务实验以诱发脑电及脑血氧信息变化,该装置可在LabVIEW软件平台上同步实时采集前额(对应于前额叶皮层功能区)EEG与脑血氧信号,并经后续的信号特征提取与模式识别算法实现脑电与脑血氧信息融合,为HCI装置控制外部机电设备做准备。本文利用短时傅里叶变换技术分析了左/右手想象动作诱发动态脑电信号的事件相关去同步/同步(ERD/ERS)现象及其时频特性,使用Fisher可分性判据分析了二维时频平面上脑电功率谱密度分布情况,发现上述特性在左/右手想象动作任务之间无明显差异,但在想象动作时段(想象期)与无想象动作时段(静息期)具有较明显可区分性。同时分别采用时域和频域分析方法考察了脑血氧信号中左/右手想象动作任务之间的关系,其结果与EEG情况相似,并经T检验方法证实该结论具有统计学显著性。因此,本文提取想象期与静息期之间显著可分的EEG与脑血氧信号特征。其后采用基于支持向量机的5-折交叉验证方法分别对EEG与脑血氧信号特征及其融合进行模式识别以进行想象动作任务分类。结果显示,经特征信息融合的想象动作任务平均识别率可在75.04%以上,最高可达91.11%,比单独利用脑电特征和脑血氧特征的平均识别率均有一定程度的提高。这表明,基于脑电与脑血氧信息融合的人-机交互方法可望改善HCI装置系统的模式识别率,值得进一步深入研究开发。