脑科学与类脑智能技术是当前的科技前沿,对人类的健康和人工智能技术以及新兴产业的发展意义重大。脑机接口技术是不依赖于大脑外周神经与肌肉正常输出通道的通讯控制系统,可以直接连通大脑和外部设备,如脑控机械手、机器人等,给渐冻人症、重症肌无力、中风等神经肌肉通道破坏的病人带来了曙光。虽然运动想象脑电信号备受关注,但仍有许多问题急需解决,例如对基于左右手运动想象的研究已经取得了良好的识别精度,但产生的两种控制命令远远不能满足应用的需求,因此本文对八类运动想象的脑机接口技术进行研究,以便实现更多的意念控制和人机交互需求。本文在对多类运动想象脑机接口技术的相关理论进行深入研究的基础上,首先通过对MindWave耳机设备进行二次开发,采集并存储脑电信号;并设计了基于汉明窗的FIR数字滤波器对原始脑电信号进行滤波以去除伪迹;在非线性动力学分析的三种方法中,根据特征提取效果选择了近似熵作为特征提取算法,同时采用小波包能量熵对多类运动想象脑电信号进行特征提取;然后分别采用广义回归神经网络、概率神经网络和约束超限学习机对特征向量进行模式识别,最终选用约束超限学习机作为模式识别算法,其识别正确率最高达到87.5%;最后结合MindWave设备开发了基于Android的脑机接口控制软件,并控制无人机使其完成了起飞、降落、翻滚等八种动作,达到了预期效果。在文章的结尾部分,总结了本课题的主要工作内容、创新点及存在的不足,展望了脑机接口技术的未来发展方向。