脑—计算机接口是指能够使人不依赖周围神经系统和肌肉,而与外界进行通信或控制的设备。作为一种全新的通信和控制技术,脑机接口技术可以为那些思维正常但有严重运动障碍的患者提供语言交流和环境控制手段。此外,在自动控制、军事脑认知等科学领域也有潜在的应用价值。鉴于其巨大的应用前景,脑机接口已经引起国际科学界的高度重视,成为脑科学、康复工程、生物医学工程及人机控制领域的一个研究热点。运动想象脑电信号(electroencephalogram,EEG)无需结构化的物理环境,是脑机接口研究中广泛采用的一种思维作业方式。对运动想象脑电信号的识别精度和速度问题是脑机接口技术从实验室研究走向实际应用的关键。本文围绕运动想象脑电信号的识别问题展开研究,并取得了如下主要研究成果:第一,针对运动想象的脑机接口系统中,在电极导联数少的情况下存在脑电信号分类准确率降低的问题,提出一种改进的共同空间模式算法(Common Spacial Pattern,CSP )。该算法通过对事件相关去同步/事件相关同步生理现象较明显的频段进行滤波,确定脑电信号的有效时段,选取最大特征值对应的表征运动想象脑电信号状态的最优特征向量,进而提出特征向量新的定义方法。利用改进的CSP算法提取运动想象脑电信号的特征,同时选用支持向量机为分类器,实现对运动想象脑电信号的识别。基于该方法对GRAZ大学提供的运动想象脑电数据(DataⅢ)进行了识别和分析。结果表明,改进的CSP算法能更准确地反映脑电信号的任务状态,有效避免了特征模式的重复选取问题,具有更优的分类性能。第二,对于不同时段脑电信号识别方法存在识别率低、稳健性差的不足,提出一种基于集成支持向量机的脑电信号识别方法。在集成支持向量机的个体生成过程中,分别采用Bagging和交叉筛选两种方式,同时对Bagging方法进行了改进,并对影响集成性能的因素进行了分析。利用该方法对Tubingen大学提供的不同时段采集的想象手指、舌头运动的脑电数据进行识别,结果表明,基于集成支持向量机的识别结果要明显优于基于单个支持向量机的识别结果,而且采用交叉筛选方式及改进后的Bagging方式更具有优势。第三,设计了脑电信号采集软件,其中包括了三部分实验内容。实验一要求受试者在视觉刺激下完成左右手敲击键盘时脑电信号的采集。实验二要求受试者在视觉刺激下完成想象左右手运动时脑电信号的采集。实验三要求受试者在听觉刺激下完成左右手敲击键盘时脑电信号的采集。实验过程中采用的脑电采集设备为中科新拓仪器公司生产的NT9200系列脑电图仪。利用共同空间模式和支持向量机相结合的方法对以上三个实验的脑电数据分别进行了识别和分析,结果表明,在存在眼电干扰的情况下,CSP算法仍然可以较好的排除脑电信号的相同任务成分,提取其不同任务成分,以实现分类器良好的分类性能。最后,设计了BCI模拟键盘输入演示系统。该系统将改进的CSP算法和支持向量机相结合,对实际采集的脑电信号进行识别,实现了基于思维脑电的键盘输入功能,验证了本文实验方案的可行性及脑电识别方法的有效性。本文对脑电信号处理和识别进行了研究和分析,对提高BCI系统的分类性能和泛化能力等方面具有积极意义,对BCI走出实验室实现在线应用具有参考价值。