近年来,我国脑卒中发病率攀升,严重威胁着老年人的健康。基于运动想象脑机接口的康复训练可促进脑卒中患者感觉运动皮层的神经修复。因此开展运动想象脑机接口的研究,对脑卒中患者恢复运动功能具有重要意义。但是由于脑电信号具有非平稳、非线性和个体差异性等特点,现阶段对脑电信号的解析分类,尤其是针对多分类问题,还存在着诸多难点。本文以运动想象脑电信号多分类应用为目标,提出了基于共空间模式的导联选择方法和多域融合的特征提取算法,有效降低特征维度,充分提取特征,最终实现单关节运动想象脑电信号的四分类。主要工作如下:(1)鉴于多导联脑电信号容易造成维度灾难,本文提出了基于共空间模式的导联选择方法,利用各个导联在投影空间的权重值计算贡献率,筛选出部分导联,减少了算法计算量;然后为弥补共空间模式法缺乏时频信息的缺陷,本文提出了多域融合的特征提取算法,该算法将改进局部特征尺度分解(Improved Local Characteristic-scale Decomposition,ILCD)和自适应共空间模式(Adaptive Common Spatial Pattern,ACSP)两种算法进行融合。采用ILCD算法分解信号,计算时频能量特征,构成时频域特征向量组;采用ACSP算法构造空间滤波器,提取空间域特征向量组。最后,将多域特征融合并分类,在脑电竞赛数据集上取得的最高四分类准确率达到88.7%。该算法的平均Kappa系数为0.71,优于竞赛获奖者和使用该数据集的其他几种算法。(2)为进一步将运动想象脑电四分类算法应用到脑卒中患者的康复训练上,满足对单关节不同运动有效控制的实际需求,本文进行了肩关节“前伸”、“后伸”、“外展”和“内收”运动想象四分类实验。首先,设计了实验范式,并进行数据采集;其次,对采集的脑电信号去除伪迹;然后分别采用时域参数、功率谱密度、共空间模式和ILCD-ACSP算法特征提取,并使用线性判别分类器和支持向量机进行分类。比较多种组合方法的分类效果,结果表明采用ILCD-ACSP特征提取方法与支持向量机的组合取得了 63.8%的四分类准确率,为所有组合中的最优值。