人机交互技术将人与计算机或者其他电子设备进行连接，体现人的意志。随着科技的进步，人机交互手段也变得多样化，给人们的生活带来了很多便利。但是目前人机交互大多是通过使用者的肢体进行操作完成的，并不适用于肢体运动障碍患者或老年人，所以针对这些群体需要开发一种新的人机交互手段。目前，关于生物电信号的应用研究越来越广泛，将其应用于人机交互领域已成为研究热点。眼电信号（Electro-oculogram，EOG）是由于眼睛的视网膜与角膜之间的电势差引起的电信号，属于生物电信号的一种。随着眼球的转动，眼电信号也随之发生变化，而且不同模式的眼部动作对应的眼电信号也不同，具有可区分性。因此通过眼电信号将特定模式的眼部动作识别出来，进而转化为对外部设备的控制指令，理论上是一个可行的方法。本文在国家自然科学基金项目的支持下，根据现阶段眼电处理技术中存在的问题并结合课题的要求，设计了基于有意眼动的电动轮椅控制系统，该系统包括眼电信号的采集、消噪等预处理、特征提取以及9类眼部动作的眼电信号检测，并在线验证了该系统的有效性及实时性。本文主要完成了以下研究工作，并取得了部分创新成果：（1）根据眼电信号的特点，设计眼电信号的采集方案：选择双极导联方式，采集眼球运动的水平方向和垂直方向两路眼电信号，采集连续两次眨眼、向上扫视、向下扫视、向左扫视、向右扫视、左上扫视、左下扫视、右上扫视和右下扫视等9类眼部动作产生的眼电信号。在眼电信号预处理阶段，以巴特沃斯低通滤波器对眼电信号进行消噪，然后选用短时能量的端点检测方案，应用于眼电信号中以提取信号的有效时段。为了消除不同受试者眼电信号在信号强度上的差异，将眼电数据进行归一化处理。同时由于端点检测之后的数据采样点数可能不一致，提出以一维插值法使所有数据长度保持在200个采样点数。（2）在眼电信号特征提取阶段，首先提取眼电信号的时域波形特征，之后又利用差分线性预测系数以及小波变换两种方法对眼电信号进行特征提取。对水平通道与垂直通道的眼电信号分别提取特征，再将两个通道的特征组合构成特征向量。（3）在模式分类阶段，设计了三种分类器，分别为S_Kohonen网络、支持向量机以及模糊支持向量机。本文首先针对眼电信号的时域波形特征直接进行眼电信号的类别判断，之后尝试将S_Kohonen网络应用于眼电信号的模式识别，以小波分解低频系数作为特征，识别率可以达到94%以上。利用支持向量机以及模糊支持向量机分别对眼电信号进行识别，以小波分解低频系数作为特征，识别率分别可达到96%以上和97%以上。通过实验结果的对比，选择小波分解低频系数作为特征、模糊支持向量机作为分类器，为下一步的轮椅控制提供理论及实验基础。（4）本文设计了一个在线的基于有意眼动控制的电动轮椅控制方案，该方案可以通过连续两次眨眼信号区分后面的眼电信号为有意识还是无意识。只有在控制系统检测到连续两次眨眼信号之后的1s内检测到其他眼部动作指令，才将该指令作为有效控制轮椅的指令，否则视为无效指令，轮椅不做任何动作，该方案可有效避免无意识眼动带来的干扰问题。由于眼部动作模式较多，该方案还将三类速度的控制加入到轮椅前进指令中，通过实验验证，该方案是可行的。