脑-机接口（Brain Computer Interface,BCI）是工程技术与神经科学的一种新型交互结合方式,它可以作为神经康复工具,以改善神经系统疾病,例如改善中风和四肢瘫痪病人的运动或认知能力。基于运动想象（Motor Imagery,MI）的脑-机接口不需要外界刺激即可反映受试者的运动意识,其已在大脑可塑性诱导方面体现出重要作用。脑电信号（Electroencephalogram,EEG）的运动意图识别研究,对提高脑电识别准确率具有理论研究价值。但是,当前基于MI-BCI研究仍存在不足,例如低复杂度的动作范式制约着诱发脑电的质量、运动意图解码的性能有待提高。针对以上问题,论文开展了如下工作:（1）提出一种由视觉引导的控制复杂有约束对象的新任务。模拟常见的移动水杯并无液体溢出这一实际生活场景,抽象出概念化的动态复杂系统。从基于动态临界能量角度进行理论分析,并依据欧拉-拉格朗日方程和平衡方程建立该被控对象的数学模型,完成虚拟任务场景的编程。（2）采用线性判别和二次判别分析对有约束对象的脑电意图进行解码。基于二次判别分析,提出一种非参数的广义二次判别分析算法,通过引入阈值c能够自适应的调整参数以适应待分类数据。将改进算法应用于复杂耦合对象操作任务中的脑电信号,识别受试者的运动意图。进一步地,采用正则化判别对脑电意图进行解析研究,它通过修改奇异协方差值来改善多重共线性的影响。通过与其他分类方法对比,发现广义二次判别分析显著增强了运动意图解码的性能。（3）解码研究中,讨论专注度以及情绪对受试者脑电的影响。对复杂的耦合对象操作任务下期望和非期望反馈两种不同的情况进行脑电的运动意图解码研究。在非期望反馈情况下,曲线下方面积值显著增加,通过Page趋势进行统计检验,p<0.05。并基于脑网络的地形头皮图分析在期望和非期望的反馈任务下大脑活动的差异。进一步揭示了完成任务专注度对脑电解码性能的影响,结果显示符合心理学中的耶克斯-多德森定律曲线。随着被试唤醒水平的提高,性能也会提高。本文从新型脑电诱发任务进行了多角度深入分析和研究,为高精度的运动意图解析以及大脑认知功能的深层次探索提供了理论支撑。