脑-机接口（Brain-Computer Interface, BCI）是一种可以实现大脑和外界环境直接交流的通讯控制系统，这类系统可以使大脑摆脱对外周神经与肌肉组成的大脑正常输出通路的依赖。随着科学技术的不断进步，脑-机接口技术因其广阔的实际应用前景和巨大的理论研究价值，正逐渐成为世界范围内的研究热点。基于运动想象脑电信号的脑-机接口是其中的一个重要研究方向，也是本文研究的重点。基于运动想象的BCI系统的一个核心环节是非线性、非平稳的运动想象脑电信号的特征提取，而希尔伯特-黄变换（Hilbert-Huang Transform, HHT）是一种新颖的适用于处理非线性和非平稳信号的信号分析方法，基于希尔伯特-黄变换的运动想象脑电信号特征提取是本文研究的主要内容。本文设计了想象左右手运动脑电采集实验方案。首先介绍大脑的结构和脑电信号产生的原理；然后依据运动想象脑电信号的特点和所具备的脑电信号采集系统的功能及特点，设计了采集想象左右手运动脑电信号的实验方案，提取了5名受试者想象左右手运动的脑电数据，并做了初步处理，为后续的离线分析处理提供了数据基础。本文研究了基于希尔伯特-黄变换的运动想象脑电信号能量特征的提取方法。在分析了希尔伯特-黄变换的原理、算法和时频特性的基础上提出了基于HHT的能量特征提取方法（HHT Based Energy, HBE），该方法利用HHT良好的时频特性，提取了综合考虑时频因素的能量特征。为了验证该方法的有效性和适用性，本文分别用AR模型，频带能量（Band power, BP）和HBE三种方法提取了BCI竞赛2003和自主采集的运动想象脑电数据的特征，并采用Fisher线性判别分析作为模式识别分类器进行分类。实验结果表明，基于HBE特征提取方法比BP和AR特征提取方法有更高的分类准确率。本文还对运动想象脑电信号的同步特征进行了研究。首先介绍了脑电信号相位同步特征提取的方法—锁相值（Phase Locking Value, PLV），然后以锁相值为基础，提出了一种全新的基于集合经验模态分析（EEMD）的锁频值（FrequencyLocking Value, FLV）同步特征提取方法。锁频值特征提取方法可以度量电极之间或电极自身采集的脑电信号瞬时频率的变化情况。最后利用BCI竞赛2008数据和自主采集的数据对于本文提出的锁频值特征提取方法的有效性进行验证。实验结果表明，基于EEMD的锁频值特征提取方法比锁相值特征提取方法有更高的分类准确率，且同步特征与能量特征的特征组合可以显著提高想象左右手运动脑电信号的分类准确率。本文在脑电信号特征提取中引入了希尔伯特-黄变换，提出了全新的运动想象脑电信号的能量特征和同步特征的提取方法，取得了良好的分类效果，为基于运动想象脑-机接口的研究提供了新的方法和思路。