脑-机接口(Brain-Computer Interface,BCI)是一种新颖的人机接口方式。它是利用计算机或其他电子设备对特定环境或任务下的大脑活动进行分析,以向外界传达大脑信息或控制命令的系统。该系统在向外界进行信息输出的过程中,不依赖于脑的通常的神经-肌肉通路。因此,脑-机接口的研究对于康复工程和新的交流控制途径的开辟有重要的研究意义,正在成为脑认知科学、康复工程、生物医学工程及人机自动控制等研究领域的一个研究热点。脑电特征的提取和模式分类是脑-机接口研究的热点难题。本文着眼于基于左右手运动想象的脑-机接口,充分利用了2003年和2004年国际BCI算法竞赛的相关公开数据,针对小样本运动想象脑电的特征提取和模式分类算法进行了离线研究。本研究从运动想象脑电的事件相关同步/去同步出发,首先,通过对C3和C4两个通道脑电的功率谱分析,确定了特征频带的范围;然后,分别基于AR模型和Morlet小波变换提取了脑电的非参数特征,并利用Fisher线性判别分类器对所提取的几种特征做了关于特征频带选择、特征提取的时间窗以及两种不同特征提取方法的比较研究;最后,利用基于Morlet小波变换所提取的特征,分别采用Fisher线性判别分析算法、支持向量机分类算法和Bayes决策算法进行了各种分类器的设计和研究。本文在对脑-机接口算法有了一定研究的基础上,从实验设计出发,又对基于左右手运动想象的脑-机接口进行了实验研究。首先,利用128导脑电分析仪设计了一套基于左右手运动想象的脑-机接口实验系统和实验方案;成功采集了两例脑电数据;通过对训练集脑电数据的特征频带分析,提取了脑电特征,设计了各种分类器,并对测试集的脑电数据进行了特征提取和模式分类,验证了算法的可靠性及可移植性。该研究为在线实时脑-机接口系统的实验研究积累了经验,并奠定了基础。