视线是人类获取外界信息的主要来源。目前,随着对视线交互技术的研究,已实现将用户的视线于屏幕或虚拟环境中的落点直接作为一种人机交互方式。由于人的视线移动是由头眼协调运动组成的,对视线的研究需要充分考虑头部运动因素。不仅如此,视线交互研究一直存在着“米达斯接触”的难题,即计算机系统无法仅凭视线确定人真正的交互意图,使得用户由视线进行目标捕获与选取时,需要通过注视、眨眼或结合手动的方式进行“确认”,一定程度上影响目标捕获的速度。因此,本文以战机交互为研究背景,围绕“人-机-环境”系统中,如何高效地结合“人”所产生的头眼运动与其他生理信息,引导机器对目标进行快速捕获的问题开展全面深入的研究,具体研究内容如下:（1）头眼运动数据的采集和分析对于视线目标捕获研究,本文通过自主搭建的“三目八光源”头眼数据采集平台,采集大量的头眼图像,并提出一种基于外观与特征相结合的视线估计方法,有效地结合头眼协调运动的关系。随后,利用ResNet-18深度残差网络结构与传统的BP神经网络结构建立视线估计模型,完成对视线目标捕获过程中头部姿态与人眼特征的有效融合,实现对视线落点较为精确的估计,由视线落点位置可作为对目标捕获的决策依据之一。（2）脑电信号特征提取与分析考虑到人的视线运动具有随机性,导致目标捕获的结果不能完全表示人真正的交互意图。本文提出一种基于运动想象脑电信号的意图分析方法,主要从运动想象实验范式设计的角度对传统的实验方式进行改进。以运动相关视频引导的方式采集三种特定运动想象任务的MI-EEG信号,通过对比所使用的脑电通道、特征提取方法和分类器,本文采用性能最佳的CSP+SVM模型实现对驾驶战机“上升”、“下降”和“攻击”的操作意图分类。通过操纵者的操作意图与相关目标的关联处理,可作为对目标捕获的另一决策依据。（3）多通道数据融合目标快速捕获模型本文通过D-S证据理论实现多通道数据的决策层融合,结合视线目标捕获结果与脑电目标捕获结果的初步判决,利用Dempster合成法则与D-S融合决策模型获得最终的目标捕获决策结果。实验结果表明,本文所提出的多通道数据融合目标快速捕获模型可达到较高的目标捕获正确率,且从理论分析的角度,其目标捕获速度要快于传统的目标捕获方式。为达到人机之间高效协作的人机耦合研究提供一种设计思路。