近年来,脑卒中患者逐年增加,导致越来越多的患者受到不同程度的运动功能障碍的折磨,因此,实现切实有效的康复治疗成为当今的研究热点。而脑机接口技术作为近年来新兴的技术,使得为思维正常却丧失全部或部分运动功能的运动障碍患者提供主动康复治疗方式成为可能,而研究甚至设计有效的主动康复系统尤为重要。　　本文对受试者想象右手食指屈、伸运动脑电信号的事件相关同步化/去同步化的差异性进行深入研究,针对该类脑电信号的个体差异性、时变性等特征,研究脑电极最优组合选取、脑电信号最优频段选取以及基于概率神经网络的在线分类器设计,并将脑电信号识别结果控制康复机器人(nao机器人)手的运动。本文取得的主要研究成果如下:　　(1)基于CSP的脑电极导联自动优选方法　　针对过多电极采集的脑电信息存在信息冗余,影响数据处理速度,甚至会降低信号识别率等问题,研究了脑电极的自动优选方法。针对运动想象脑电信号的事件相关去同步化/同步化现象,提出一种基于公共空间模型的导联排序算法。该算法利用空间分布矩阵的特征计算各个导联的贡献度,并结合支持向量机进行导联组合的优选。实验结果表明了该算法能够有效降低导联数目,自动选取最优的导联组合。　　(2)基于小波包和熵准则的脑电信号最优频段特征提取方法　　针对想象右手食指屈、伸运动EEGs的特征频段存在个体差异性以及时变性,本文将小波包和熵准则相结合,提出一种能自适应提取EEG特征的最优频段的方法,即基于小波包和熵准则的最优频段选择方法。该方法用小波包法对EEGs进行频带分解,并结合熵准则自适应地提取EEGs容易区分的特征频段,进而以支持向量机为分类器,实现了对想象右手屈、伸运动EEG的分类,并通过实验验证了该方法的有效性。　　(3)基于概率神经网络的在线训练分类器设计与应用　　通过研究概率神经网络基本原理,提出一种基于概率神经网络在线分类器的设计方法,并模拟在线数据对想象右手食指屈、伸运动脑电信号进行分类。实验研究表明,基于概率神经网络的在线分类器对想象右手食指屈、伸运动脑电信号具有较好的分类性能,有效增强了分类器的自适应能力。　　(4)基于右手食指屈伸运动脑电信号的康复系统设计　　设计基于右手食指屈伸运动脑电信号的康复系统的总体方案,该系统包括脑电信号采集设备、脑电信号处理模块以及外部康复设备,并详细设计了康复系统的各个模块。进而,利用想象右手食指屈、伸运动脑电信号实现了对Nao机器人的右手食指的屈、伸控制,通过实验验证了本文提出的识别方法的有效性,以期达到对手功能障碍患者手指运动功能的主动康复治疗的目的。　　本文研究成果对设计有效的主动康复治疗系统提供一种新思路,对促进脑机接口技术在康复领域的应用具有积极的意义。