目前,包括无人驾驶车辆在内的智能车辆做出的决策往往让驾驶员感觉笨拙,加重其紧张情绪;而且,现有的智能车辆降低了驾驶员的驾驶参与度,使其易出现困倦或者注意力分散等安全隐患,同时,此类车辆也缺少与残疾驾驶员间的有效的交互通路,车辆无法获取此类驾驶员的驾驶意图,也不能将其送达目的地。如果能够利用脑机接口(Brain computer interface,BCI)技术翻译脑电信号获取驾驶员的驾驶意图进而控制车辆,那么驾驶舒适度会得到提高,残疾人的移动范围也将得到极大拓展。BCI系统能够在人脑和电脑或其他外部设备之间建立直接通路,借助于脑机接口,人无需身体上的动作即可与外界进行有效的信息交互。作为该系统的重要分支,运动想象脑机接口系统将自发脑电信号作为系统信号源,无需任何外部刺激及有创手术即可获得,因此受到广泛关注。运动想象脑机接口系统的关键环节之一为脑电信号的特征提取及其准确分类。本文围绕智能辅助驾驶领域中的运动想象脑机接口展开研究,为提高运动想象脑机接口的识别率,并使运动想象脑机接口在智能辅助驾驶中得到应用,开展以下工作:(1)从运动想象脑电信号的产生机理出发,研究运动想象脑电信号的特征。利用变分模态分解构建单通道下运动想象脑电信号的研究框架,该框架采用变分模态分解与希尔伯特变换提取高维时-频特征,采用深度信念网络对高维特征降维得到最优特征后进行分类,能够实现自动选取最优时段与最优频段,以避免人工特征筛选造成的信息遗漏现象。(2)依据脑电信号的多通道属性,利用多变量经验模态分解构建多通道框架下运动想象脑电信号的研究框架,该方法在对脑电信号采用多变量经验模态分解算法处理后利用希尔伯特变换提取时-频特征的同时,采用非线性动力学耦合特征、相位耦合特征和频率耦合特征构建运动想象脑电信号的多通道特征提取框架,以提升运动想象脑电信号的识别率。(3)根据文中所提的理论方法,利用通讯技术搭建本课题所需的虚拟智能辅助驾驶平台,通过实验数据和离线竞赛数据验证所提方法的正确性和运动想象脑机接口在智能辅助驾驶中的可行性。