脑—机接口(Brain-Computer Interface,BCI)是一种新颖的人机接口方式。它是利用计算机或其他电子设备对特定环境或任务下的大脑活动进行分析,以向外界传达大脑信息或控制命令的系统。该系统在向外界进行信息输出的过程中,不依赖于脑的通常的神经—肌肉通路。因此,脑—机接口的研究对于康复工程和新的交流控制途径的开辟有重要的研究意义,正在成为脑认知科学、康复工程、生物医学工程及人机自动控制等研究领域的一个研究热点。脑电特征的提取和模式分类是脑—机接口研究的热点难题。首先,本文介绍了脑结构以及脑电基础这方面的知识,对我们的研究对象做了一个基本的介绍。然后本文着眼于基于左右手运动想象的脑一机接口,充分利用了2003年国际BCI算法竞赛的相关公开数据,针对小样本运动想象脑电的特征提取和模式分类算法进行了离线研究。本研究从运动想象脑电的事件相关同步/去同步出发,首先,通过对C3和C4两个通道脑电的功率谱分析,确定了特征频带的范围;然后,分别基于AR模型和双谱提取了脑电的非参数特征;最后,基于功率谱,AR模型以及双谱的特征提取方法进行特征提取,分别采用LDA线性判别分析算法、支持向量机分类算法和BP神经网络算法进行了特征分类。本文主要进行的是脑—机接口基础算法的研究,实现了特征提取以及特征分类。为脑—机接口实时在线系统的设计提供了理论支持。同时,也对各种分类器的分类结果进行了比较,对各分类器有了一个基本的评价。我们的目标是获得分类准确率最高的分类算法,从目前所得结果看,还未达到理想的结果,但也积累了经验,为今后的研究打下了基础。