游戏是一项新兴的发展十分迅猛而且热度持续不减的产业。随着4G、5G网络的普及,游戏特别是网络游戏已经成为一个技术和利润高度集中的行业,在中国这个人口大国,游戏产业更加展现出前所未有的发展前景。游戏是一项的复杂过程,不仅需要肢体的协调操控,更需要大脑的认知、判断、反应来协调指挥玩家的操作。目前对游戏控制的研究主要集中在动作轨迹识别、行为树、新型人机互动等技术,应用脑电信号来控制游戏的研究比较少。因此,本文从大脑活动与游戏操作之间的关联机理入手,研究建立一种基于运动想象脑电信号的游戏控制系统,旨在提高游戏的可操作性,扩充人机交互手段。本文对运动想象脑电信号的采集、特征提取、分类识别等方法进行了比较全面的梳理和比对优化研究;设计了左手、右手和双脚3种运动想象情景和空白对照;选择了10名健康的志愿者进行运动想象试验,对每位试验者的运动想象脑电信号进行采集、预处理、提取和分类,通过优化和筛选,建立了基于EEG的游戏控制系统,并自己设计游戏实现,效果良好。本研究的主要成果包括:(1)对传统的共空间算法进行了改进和优化,采用优化后的共空间算法提取本研究采集的信号特征,结果显示改进后的CSP算法对三种运动想象提取的特征用于分类,准确率高而且结果稳定,有利于后期的进一步研究。(2)采用线性判别分析法、支持向量机和朴素贝叶斯分类器三种分类方法对前期已经提取特征的本研究10位试验者的运动想象脑电数据进行分类,并对三种分类方法分类结果的准确率进行了比较和评价,结果显示SVM和朴素贝叶斯分类器的分类准确率均达到了90%以上,明显高于LDA法。(3)设计了一款基于运动想象脑电信号控制的躲避类游戏,并经过5位志愿者的试玩验证。结果显示,游戏运行流畅,5位志愿者均能成功采用运动想象脑电信号控制游戏,但是,随着游戏难度的提高,脑电信号控制的失败率增大,还需要进一步优化控制系统,特别是特征提取的算法。