脑电(Electroencephalogram，EEG)是由大脑神经元活动引起有节律性变化的生物电信号，其中蕴含了人类思维活动的相关信息。眼是人类心灵活动的窗户，眼电(Electro-oculogram，EOG)是一种由视网膜与角膜之间的电势差形成的生物电信号，由眼球活动引发，与大脑思维活动密切相关。如何有效提取脑电和眼电信号中蕴含的信息，进而开发出由脑电和眼电控制的康复辅助装置，服务于肢体运动控制障碍患者，已经成为生物医学、脑机接口、康复工程等领域的热点研究方向。在国家自然科学基金项目(61172134)的支持下，本文按照课题“基于脑电与眼电的电动轮椅控制方法研究”的要求，阐述了人机交互的国内外研究现状，介绍了脑电与眼电信号的生理学基础，研究分析了脑电与眼电信号的预处理、特征提取及模式分类的算法，探讨了基于脑电与眼电的电动轮椅控制方法。本文在研究过程中所取得的主要成果如下：(1)为消除混杂在脑电信号中的噪声，提出了一种EEMD与改进的自适应阈值提升小波算法相结合的脑电信号消噪方法。首先利用EEMD算法将含噪脑电信号分解为若干个IMF分量，然后通过自相关函数特性法提取出由噪声主导的高频IMF分量，并运用改进的自适应阈值提升小波算法进行消噪处理，最后将保留的低频IMF分量与消噪后的高频IMF分量进行重构，得到消噪后的脑电信号。实验结果表明，与传统提升小波的软阈值消噪和改进提升小波的软阈值消噪两种方法相比，该消噪方法的信噪比和均方根误差都有明显改善，为后续脑电信号的特征提取和模式识别奠定了良好的基础。(2)针对共空间模式(Common Spatial Patterns，CSP)算法容易遗漏脑电信号频率某些关键特征的缺点，结合脑电信号的频率特性、导联间的相关性及小波包变换良好的频率特性分析能力，提出了一种基于小波包变换的CSP脑电信号特征提取方法。首先利用小波包对C3、C4和Cz导联的原始脑电信号进行分解，提取出与波、波、波和波频率成分相似的四个频带，进行小波包重构，从而获得脑电信号的四种节律成分，最后将C3、C4和Cz导联的四种节律成分作为CSP滤波器的输入进行特征提取。实验结果表明，基于小波包变换的CSP脑电信号特征提取方法的分类识别率高于传统的CSP算法。(3)在模式识别方面，提出了一种支持向量机(Support Vector Machine，SVM)和D-S证据推理相结合的模式分类方法。首先利用SVM分别对脑电信号和眼电信号进行模式分类，然后利用D-S证据推理算法进行决策层融合，最后将融合后的分类结果映射为控制命令来控制电动轮椅运动。实验结果表明，脑电与眼电信号决策层融合后的识别率明显高于单纯的脑电信号，且稍高于单纯的眼电信号，从而为电动轮椅的控制方法研究提供了一种思路。(4)设计了基于脑电与眼电信号融合的电动轮椅控制实验方案。改进了视觉刺激软件，从而能够在单次实验中同时采集受试者运动想象下的脑电信号和眼球扫视下的眼电信号，完成了脑电与眼电信号的预处理、特征提取和模式分类，并将模式分类结果映射为命令，进而控制电动轮椅前进、左转、右转和停止。