脑电信号体现了大脑神经细胞的节律性运动,在临床医学与康复工程等领域有重要的研究价值。脑-机接口技术为大脑和外界计算机等机器设备之间的信息交互提供了可能性,该技术不依赖肢体神经系统和肌肉组织的参与,使“思想”变成“行动”,具有重要的理论科研价值,还具有广阔的实际应用前景,已经成为生物医学工程等领域的一个研究热点,而基于运动想象脑电信号的研究是脑-机接口的一个非常重要的分支。本文主要研究了基于多类意识任务识别的电动车脑电控制方法。从课题的研究背景和研究意义着手,阐述了脑电信号的特征,分析了运动想象脑电信号的预处理方法、特征提取方法以及模式识别分类的方法等。采用美国Neurosky公司研发生产的Think Gear AM芯片进行脑电信号的提取,并采用Fast ICA算法对提取到的脑电信号进行预处理,然后对预处理后的脑电信号运用双树复小波-共空间模式的方法进行特征提取,再运用多核学习支持向量机的方法对提取到的特征向量进行模式分类识别,设计符合要求的硬件电路,包括主控电路、系统通信电路、电机驱动电路等,实现脑电信号控制电动小车的向前、左转、右转和停止。并对电动车实验平台的性能进行了测试,取得了良好的实验效果。与传统的脑电信号提取方法相比,本文采用的双树复小波-共空间模式算法,使得脑电信号的通道数量变少,数据运算时间变短,提升了效率和抗干扰性能。这使得脑电信号提取变得简单、准确。