脑机接口(Brain-computer interface,BCI)通过借助计算机或其他外部电子设备,旨在建立一种不依赖人体神经和肌肉组织等正常传输通道,而直接进行人脑与外界之间信息交流的新途径。在助残康复、智能生活、娱乐等领域有着广泛的应用前景。本文从实现对康复训练机器人的控制来进行康复训练出发,以运动想象和P300脑电信号为切入点,并结合他们各自的优势构建混合BCI系统。本文主要做了以下工作:(1)经典的共同空间模式(Common spatial pattern,CSP)用于两类运动想象的特征提取,通过对CSP进行扩展将其用于多类问题上。本文首先对多类CSP方法一对多CSP(One versus rest CSP,OVR-CSP)进行了研究。由于OVR-CSP滤波器的性能依赖于其选择的频带,当在不合适的频率段进行滤波的特征上执行分类时,其分类精度一般很差。在此基础上进一步的研究了对频带进行固定划分的Filter bank共同空间模式方法,通过频带的划分虽然能够进一步提高分类正确率,但却还是远低于两类问题。(2)针对常用多类CSP算法在BCI信号处理方面存在识别率较低的问题,通过引入堆叠降噪自动编码器(Stacked denoising autoencoders,SDA),提出了一种多类变频带运动想象脑电信号的两级特征提取方法。首先将原始信号通过变化频率段带通滤波器得到不同频段的信号,其次利用OVR-CSP将不同频段信号变换到使信号方差区别最大的低维空间,然后通过SDA网络提取其中可以更好表达类别属性的高层抽象特征,接着将获得的特征使用Relief F方法进行特征选择,选择出最大权值所对应频带的特征,最后使用Softmax分类器进行分类。在对BCI竞赛IV中Datasets 2a的4类运动想象任务进行的分类实验中,平均Kappa系数达到0.70,表明了所提出的特征提取方法的有效性和鲁棒性。(3)通过对现有P300范式的研究,提出了一种基于变概率的刺激范式(Variable probability paradigm,VPP)。在该范式中,字符呈现不均匀分布,其密度从中间向两边依次减小。字符识别分为两步进行,先进行随机行闪烁确定字符所在行,然后所选行中的字符再进行随机闪烁以确定目标字符。使用该范式和基于区域的范式进行数据采集及处理,结果表明VPP的信息传输率比基于区域的范式提高约10%,证明了该范式的可行性。(4)为了实现对康复机器人的多维控制,本文设计了一种基于运动想象(Motor imagery,MI)和P300信号的混合BCI控制策略。使用P300信号作为两种信号间切换的“开关”,选择以游戏图标组成的VPP作为游戏菜单的控制面板,MI作为机器人的控制信号来实现患者康复训练。通过离线数据采集实验进行模拟控制,结果表明了该系统的可行性。