我国中风患者众多,其中70%-85%的患者伴有偏瘫。偏瘫患者上肢丧失活动能力后,如果不及时进行康复治疗,容易造成肌肉萎缩、关节僵化等问题。所以,患者需要借助康复治疗器材进行康复训练。脑机接口(BCI)指在人脑和计算机或其他电子设备之间建立一种不需要依赖外周神经系统和肌肉组织进行信息传输的人机交互系统。该系统可以直接将人体脑电信号(EEG)翻译成外部设备控制命令并支配外部设备进行运动。基于神经生理学可塑性原理,患者的EEG直接控制康复训练机器人进行康复训练,能够促进受损运动神经的修复。因此,本文旨在研究基于上肢康复训练动作的EEG模式识别技术。将该技术应用于上肢康复训练系统,可以使患者实现上肢康复主动训练,加快康复进程。本文针对上肢运动意图的EEG数据集进行了模式识别技术研究,最后将研究成果应用于上肢康复训练系统,并完成系统功能测试。本文的主要工作内容包括:(1)本文对传统的EEG能量特征值提取方法进行了改进。研究表明,基于上肢运动意图的EEG在不同时间段的能量特征可能存在较大差异。针对此现象,本文分别对同一个动作不同时间段的EEG进行能量特征值提取,通过权值限定方法,对各时间段能量特征值进行特征稳定性检验,从而保证每个动作的EEG提取到的能量特征值的有效性。经实验验证,改进的能量特征值提取方法能有效提高特征分类结果的正确率。(2)本文将灰狼算法(GWO)应用于EEG特征选择。遗传算法(GA)是目前应用于EEG特征选择较为经典的算法之一。本文分别将GWO算法和GA算法应用于对能量特征进行特征选择,通过对比实验,充分验证了GWO算法应用于EEG特征选择的优越性。(3)本文自主设计并实现了一款应用于上肢康复机器人的BCI系统软件。该软件结合了本文研究的模式识别技术,将BCI与上肢康复训练机器人相结合,最终形成了一款基于BCI的上肢康复训练系统。该系统主要验证了本文研究的模式识别技术应用于上肢康复训练系统的可行性。系统测试结果显示,该系统在线动作识别率能达到76.50%。