脑-机接口(Brain-computer interface,BCI)作为一种新型信息交互方式,实现人与外部环境直接进行信息交流。BCI技术在医疗康复、教育、娱乐和军事等领域具有广泛的应用前景。本文基于非侵入式脑电图(Electroencephalogram,EEG)进行BCI方法研究。采用了基于相空间重构法(Phase space reconstruction,PSR)和共空间模式(Common spatial pattern,CSP)结合的相空间CSP特征提取方法(Phase space-CSP,PSCSP);提出了一种基于新型复合核函数相关向量机(Relevance vector machine,RVM)分类器;设计了一种运动想象和SSVEP结合的混合实验范式脑-机接口(hybrid Brain-computer interface,h BCI);进行了在线BCI系统实现。主要研究内容如下:(1)进行了EEG信号预处理和特征提取方法研究。在EEG信号预处理部分,采用了独立成分分析提取眼电独立成分,进行噪声伪迹的剔除;将相空间重构方法应用到EEG信号的分析处理,通过共空间模式构造的空间滤波器提取相空间中的CSP特征-相空间CSP特征(PSCSP)。(2)提出了新型的复合核函数RVM分类器。分析了具有局部特性的高斯核函数和具有全局特性的多项式核函数,通过线性组合构造了一个新的复合核函数RVM分类器,在运动想象EEG数据集上进行了分类有效性检验。(3)开展了混合实验范式BCI研究。针对单一范式BCI信息传输率低等问题,设计了运动想象和SSVEP结合的混合实验范式BCI系统。设计了四类运动想象任务(左手、右手、双脚运动想象和空状态)和四类SSVEP(6Hz、7.5Hz、8.5Hz和10Hz)任务,并对多任务混合实验范式BCI进行分类研究。(4)进行了在线BCI系统开发实现。搭建了h BCI实验平台,实现了对NAO机器人的在线控制实验。设计了四类运动想象任务(左手、右手、双脚运动想象和空状态)和四类SSVEP任务(6Hz、7.5Hz、8.5Hz和10Hz)。运动想象任务控制NAO机器人的运行速度(高速v=0.5m/s和低速v=0.2m/s)以及作为SSVEP范式的开关,SSVEP任务控制NAO机器人的方向选择。实验结果表明,本文设计的在线h BCI实验平台具有较高的可靠性。