脑机接口(BCI)不依托大脑正常信息传递执行通路,通过解码提取相关信息现已发展为新的对外交流方式,在医疗、军事、机器人控制上很广泛的应用研究意义,得到了全球范围内的广泛关注。而在大脑采集的信号模式中,事件相关去同步/同步(ERD/ERS)脑电模式与大脑运动想象思维相关,生理特性明显、区分度好,成为了脑机接口的研究热点。在大量的脑机接口资料积累的基础上,本文基于ERD/ERS脑电模式的性质原理,主要研究了脑电数据处理方法,对脑电信号处理中运用的预处理、特征提取和模式分类算法做了详细介绍,同时通过离线的两分类和四分类运动想象脑电数据集进行处理方法验证。对于模式分类器支持向量机(SVM),其分类性能与参数优化有关,本论文提出了磁性细菌优化算法(MBOA)优化SVM分类器方法。文章的最后建立了便携式脑机接口控制系统。论文中首先概括介绍脑机接口的定义、研究内容,总结了脑机接口研究领域的兴起、研究现状和未来发展。详细阐述了脑电信号处理中预处理、特征提取及模式分类方法。针对模式识别分类器SVM,引入智能优化算法对SVM参数做优化。应用MBOA对SVM进行优化,并与粒子群算法(PSO),人工蜂群算法(ABC),遗传算法(GA),生物地理优化算法(BBO)做对比,并通过国际UCI数据集验证。针对运动想象两分类脑电数据集,采用了多种特征提取和分类方法组合对比验证;针对运动想象四分类脑电数据集,采用了共空间模式-支持向量机(CSP-SVM)组合方法,为了获得更高的分类准确率,本论文将MBOA优化SVM参数应用在脑电数据处理分类器优化问题上。最后设计了便携式脑机接口控制应用实验,借助MindWave、PC机、机器人完成BCI系统的构建,利用脑电设备采集的关注度、眨眼信号来控制外部设备的速度和转向,实现意念控制。