随着科学技术的发展与时代的需求,人类对于大脑的理解和认知越来越深入,脑科学逐渐成为了科研人员的热门研究领域,而脑-机接口作为脑科学研究的直接应用,也受到了广泛的关注。基于运动想象的脑-机接口系统可以绕过神经及肌肉组织,仅通过想象肢体运动时产生的脑电信号来控制外部设备,这对于帮助那些大脑活动正常但神经受损或肢体残疾的人来说具有十分重要的应用价值和实践意义。本课题对运动想象脑电信号识别方法进行了深入的研究,根据运动想象脑电信号的特点及产生机理,提出了基于VMD-CSP和GWO-TWSVM的识别方法,同时结合增强现实技术,开发了一个基于运动想象脑电信号的AR漫游系统,并完成了基于运动想象的虚拟人物漫游控制实验,为建立快速、可靠、稳定的在线运动想象脑-机接口系统提供了理论支撑。本课题的主要研究内容如下:（1）运动想象脑电信号特征提取方法研究。针对本文数据集1采集的肩部三分类运动想象脑电信号,提出了基于VMD-CSP的特征提取方法。将采集到的运动想象脑电信号使用变分模态分解算法进行分解,然后将分解所得到的带宽和中心频率各不相同的固有模态函数输入共空间模式提取特征,验证了方法的有效性。（2）运动想象脑电信号分类方法研究。提出了基于灰狼优化算法的孪生支持向量机对数据集1采集的肩部三分类运动想象信号进行分类识别。为了增强孪生支持向量机的分类性能,使用灰狼优化算法为每一个受试者寻找与其最适配的孪生支持向量机参数,然后识别受试者执行不同运动想象任务时的脑电信号,并与其它四种常用识别方法进行对比,证明了本课题所提分类方法的优越性。（3）运动想象脑-机接口系统研究。为了验证本课题理论研究的有效性,开发了基于运动想象脑电信号的AR漫游系统。通过MATLAB和C#混合编程实现信号的处理与传输,使用Visual Studio 2017设计客户端界面,在Unity 3D中完成AR场景及人物模型的搭建。利用本文数据集2采集的受试者运动想象数据进行了控制实验,实验结果表明所有受试者的控制准确率均在85%及以上,证明了本课题理论研究的有效性以及基于运动想象脑电信号的AR漫游系统的可行性,具有一定的实践价值。