为帮助运动功能障碍患者提高独立生活的能力和改善生活质量,脑机接口技术(Brain-Computer Interface,BCI)即一种由脑电信号直接控制外部机电设备的技术快速发展,并在医学康复和智能控制等领域具有较好的研究前景。目前针对BCI的研究主要是基于单模态的脑电信号控制系统,但其在实际应用中存在信号识别率较低、信息传输速率低等方面的不足。本文针对上述问题提出了融合运动想象范式和稳态视觉诱发电位范式的混合BCI系统,并针对基于运动想象的单模态脑机接口研究中信号识别率较低的问题,本文搭建了神经反馈在线训练平台提升了受试者的信号识别率;通过将训练后的运动想象脑电信号与稳态视觉诱发电位脑电信号并行融合,与单一类型的脑电信号控制系统相比既增加了识别任务的数量和也提高了脑电信号的识别准确率,并最终完成了脑控Dobot机械臂写字实验。本文的具体研究工作如下:(1)完成了基于运动想象单模态下的脑机接口实验范式的设计,并针对运动想象脑电信号识别率较低的问题,本文以受试者运动想象时脑电信号在α和β节律内的频谱震荡幅度变化作为生理指标,通过功率谱密度的分析方法构建一个实时显示EEG能量变化的窗口,作为运动想象的在线神经反馈训练系统。在线实验中,受试者在进行神经反馈训练后,运动想象脑电信号的识别准确率提升了11%左右,通过在线实验结果表明,神经反馈训练可以增强受试者的运动想象能力和提升信号识别率。(2)在稳态视觉诱发电位实验范式的研究过程中,综合考虑了刺激界面的设计,并根据其诱发的脑电信号频率特性明显这一特征,利用小波分解和傅里叶变换分别对其进行了预处理和特征提取,并最终利用典型相关性分析的处理方法对其进行特征分类,5名受试者参与了基于稳态视觉诱发电位单模态下的BCI在线实验,最终均完成了预先设计的实验任务且取得了91.95%的平均正确率。(3)设计了运动想象与稳态视觉诱发电位融合的BCI范式,以两类运动想象任务控制机械臂抬起或下降,以四类稳态视觉诱发电位任务控制机械臂完成上、下、左、右四个方向的移动。一共8名受试者参与了脑控机械臂写字实验,从实验结果可得该融合范式具有较好的分类准确率,能有效控制Dobot机械臂完成写字任务,也说明本文提出的基于神经反馈的混合脑机接口系统具有一定的应用潜力与前景。