脑机接口(Brain Computer Interface,BCI)系统是一种直接通过检测脑电信号(Electroencephalogram, EEG)，达到控制外接机器的目的的设备。这为患有运动功能障碍的病人提供一种全新的与外界交流的方式。但是，由于脑电信号的非平稳性和强噪声的特点，严重限制了脑机接口系统的广泛应用。因此，研究比较脑电信号的特征提取与分类算法，对提高在线脑机接口系统的性能具有很重要的意义。本文设计了基于想象左右手运动的在线自适应BCI系统实验方案，实现了从传统的离线分析到在线系统控制，并应用自适应调整方式弥补了一般系统鲁棒性不强的问题。在脑电信号处理算法中，采用CSP与时空域分段相结合的方法进行特征提取，选择能突出体现想象任务的特征组，并摒弃不恰当特征。同时，本文提出了自适应感知线性分类器，在进行想象任务的同时校正分类器参数，克服了由离线训练向在线应用过程中分类器不适合的问题，从而得到较高正确率。本文所设计的想象左右手运动的一系列实验结果表明，应用时空域分段的CSP比传统的CSP提取特征要好，且本文设计的自适应感知分类器与LDA，SVM和贝叶斯等分类器相比，既保留了传统LDA方法所具有的模型简单、分类速度快等优点，又使在线BCI系统具有较强的自适应性。