脑机接口是一种革命性的人机交互,其中基于运动想象(Motor Imagery,MI)脑电的脑机接口是一类非常重要的脑机交互。脑机接口的技术是涉及多学科的交叉研究。脑-机接口(Brain-computer interface,BCI)是人类在“理解脑”的基础上,“利用脑”在不需要肌肉及大脑外周神经参与的情况下,通过脑信号大脑就可直接和外部设备连接起来并进行控制或通信。作为国际上重大前沿的研究热点之一,BCI不单单有望在国防军事中得到战略性运用,同时也为具有严重运动残障人士用思维对机器人或者外部设备的直接控制提供了可能,进而实现他们生活质量的提升;甚至于在特殊情况之下正常人也因之有了控制外部设备或机器人的新方式,从而也增加他们生活的质量。本文设计搭建了基于BCI的机器人脑控系统,同时也为训练受试者提高运动想象能力提供了平台。首先针对运动想象脑区设计了一种使用寿命长,阻抗稳定以及不受被试者的活动范围限制的无线脑电波采集耳机,可望该采集装置能走向实际应用中。其次对基于运动想象的在线脑机接口系统进行了详细的研究,并分别对预处理算法、特征提取和模式识别算法进行了实验验证,证明本文所用的预处理算法的有效性,为接下来的实验提供了很好的预处理方法。接着对基于少通道的EEG脑电信号的共同空间模式(Common Spatial Pattern,CSP)和岭回归(Ridge Regression,RR)的算法对运动想象的多类任务进行了研究,比较了两种特征提取算法和三种分类的算法的识别分类的精度。通过比较和组合,得出了最优的特征提取和分类的算法,研究的思路和方法可望为后续的相关研究做好铺垫,同时也为在线的四分类研究打下一个基础。最后设计了基于多任务的运动想象脑控的机器人运动系统,对各组成模块作了详细地叙述,同时描述了相关设备,以满足在线的控制需求。进而完成了使用在线的运动想象脑控虚拟机器人的实验,结果表明该系统是有效的。同时,本系统也为训练被试者提高运动想象的能力提供了一个很好的平台。