在脑机接口(Brain-Computer Interface,BCI)技术中,运动想象是一种非常重要的BCI范式,运动想象BCI能很好地结合人脑的想象思维和实际的控制应用,将其引入诸如脑损伤这类患者的康复治疗训练,可望通过患者大脑的神经重塑,改善其肢体运动功能,在临床上具有较大的应用潜力。然而目前运动想象BCI系统距离临床应用还存在一系列技术难点,比如:如何解决被试个体差异性问题,如何在确保系统稳定、可靠的前提下提升其传输速率,如何减少被试训练时间,以及如何从神经机制角度优化BCI系统等。因此,本文摸索一种实用有效的运动想象BCI方式,从离线与在线分析结合的角度,研究能适用于不同个体的个性化信号处理方法,建立实时在线BCI系统,并解决系统大脑空闲状态的识别问题。进一步地,通过对运动想象电位的脑网络特性的研究,揭示运动想象所蕴含的脑神经机制。首先,本文研究了运动想象脑电信号处理中常用的AR模型功率谱估计频域分析法,连续小波变换、小波包分解时频分析法,Hjorth参数时域分析法等特征提取方法,针对脑电特征的个体差异问题,提出了一种基于互信息与主成分分析的脑电特征选择算法,联合上述的四种特征提取方法进行特征提取,用本文所提的脑电特征选择算法进行特征选择并与主成分分析算法对比,以支持向量机作为分类器,以降维效果、分类正确率为指标验证了所提算法的有效性。该特征提取算法为在线BCI系统,针对不同个体,适合其的特征提取方法、有效特征的确定等打下基础。其次,结合所在课题组自研的摇杆式上肢康复机器人,建立了一套基于左右手运动想象的实时在线BCI系统,提出一种“连续分类累计”算法,解决了系统大脑空闲与运动想象状态的识别问题,初步实验证明了该系统的可行性,展示了其在临床康复治疗训练中的潜在应用价值。最后,基于上述所开发的在线BCI系统,采用有向传递函数方法构建运动想象的因果脑网络、估计运动想象过程中各导联脑电信号之间的有效连接,从节点度、聚类系数、平均路径长度、局部与全局效率等网络测度的角度,研究并分析了运动想象BCI调控能力与脑电脑网络之间的关系,揭示出运动想象BCI调控能力被试间差异的机理。进一步地,提出一种新的基于协作行为的运动想象范式,从因果关系流量、因果关系密度等因果关系度量指标的角度,分析了协作行为运动想象脑网络区别于个体行为运动想象脑网络的网络节点间因果关系及因果源的空间分布特征。以上关于运动想象脑神经机制的理解,为下一步开展BCI新型范式设计、BCI系统性能优化及在临床康复治疗训练中的应用等工作打下基础。