脑-机接口(Brain-Computer Interaction,BCI)是一种能够绕过外周神经和肌肉,直接利用脑电信号控制外部设备的新型人机交互技术,涉及脑科学、信息技术、控制技术等多种学科,已被应用到军事、医疗、娱乐等多种领域。基于运动想象脑电的脑机接口是一类非常重要的范式,其性能比较显著,可为神经损伤患者搭建一个与外界交流的通道。本文以运动想象脑电为研究对象,阐述了运动想象脑电产生的机理,介绍了运动想象脑电采集的方法,然而针对其非线性、非平稳以及易受干扰的特性,设计了左右手运动想象脑电信号的采集方案,成功获取了5名被试的脑电数据,然后对其进行预处理。通过对比不同自适应预处理算法的分类效果,选择出最优分类结果对应的处理方式,即采用快速独立成分分析(Fast Independent Component Analysis,FastICA)与小波包分解结合的形式。特征提取是BCI系统关键环节,本文分别用AR模型和共空间模式(CSP)提取了5名被试进行左右手运动想象的脑电特征,并采用支持向量机(SVM)作为分类器进行分类,实验表明,CSP特征提取方法比AR模型有更高的分类准确率。在模式分类环节中,重点讨论了SVM分类中误差惩罚因子C以及核参数γ对最终分类结果的影响,并成功找到了其最优取值。最后,在分析了预处理、特征提取及模式分类算法的基础上,成功搭建了基于运动想象脑电的在线实时脑机接口系统,并连接第二届全国脑机接口大赛提供的脑控机器人测试平台,模拟实际环境中的控制结果,5名被试均在一定时间内避开障碍物成功到达终点,验证了系统的可靠性。本系统的建立能够为脑机接口走出实验室打下一定的理论基础。