近年来,由于人口老龄化以及意外事故的不断增加,脑卒中、偏瘫、孤独症等引起的下肢肢体运动功能障碍的患者也在逐年增加,为了避免对患者肌肉和神经系统造成二次损伤,使患者的运动思维意图可以实现,迫切需要在人脑与外界之间建立一种新的交互方式。而脑控机器人是用人脑在思维时的脑电信号去控制运动辅助机器人协助人体完成人脑想象的动作,实现大脑与外界的交互与控制,因此脑电控制机器人在医疗等领域具有较大的实际应用价值和广阔的应用前景。对检测到的脑电信号进行分析,识别人的运动意图是脑控机器人中的关键技术和难点。本文以自发式的左右手运动想象脑电信号作为研究对象,首先采用希尔伯特-黄变换与共空间模式对脑电信号进行特征提取,然后通过随机森林分类器进行模式分类,以识别人体的运动意图,最后编写信号处理和分类识别的Python程序,实现了运动想象脑电信号对一个人形机器人手臂运动的控制。本文主要研究内容有:1.脑电信号特点分析及滤波。分析人体脑电信号的特点,和运动想象相关的脑电信号主要集中在8-30Hz,为了滤除在检测脑电信号时其他频率信号的干扰,本文设计了一个FIR带通滤波器,对采集到的脑电信号进行滤波处理。2.多模态特征提取。相比较于只提取单一特征的特征提取方法,本文提出一种基于希尔伯特-黄变换（HHT）和共空间模式（CSP）的特征提取方法,对滤波后的脑电信号提取时-频-空域上的多种特征。首先通过经验模态分解出多个窄带信号IMF,对分解得到的IMF分量进行Hilbert谱分析,获得脑电信号时域和频域上的特征;接着构造空间滤波器对脑电信号进行空域滤波,再经过CSP分解提取空域特征;最后将这时域、频域和空域的特征进行融合形成新的特征矩阵。3.分类识别与对比分析。本文采用随机森林进行脑电信号的模式分类识别,由于一般的随机森林算法生成的决策树叶子较多、体型庞大,本文采用了一种改进的决策树生成算法,使生成的决策树叶子明显变少。本文分别对只用HHT提取的特征和用CSP提取的特征向量以及时-频-空融合的特征向量进行分类识别。最后分类结果表明,采用融合时-频-空域的特征提取方法与其他两种方法相比,分别提高了10%和7%,能够明显提高左右手运动想象脑电信号的分类识别率。4.脑电控制机器人控制系统设计。本文以NAO人形机器人为控制对象搭建实验平台,通过Choregraphe软件和Python语言编写信号处理等控制程序源代码。实验结果表明,本文方法能够最终实现运动想象脑电信号对机器人手臂的运动控制。