基于运动想象（Motor Imagery,MI）的脑-机接口（Brain Computer Interface,BCI）系统可直接解码用户运动意图,并将其转化为输出指令控制外部设备,可为肢体运动障碍患者康复提供新的技术途径。但MI含有的信息较少,导致BCI系统性能较差,而稳态体感诱发电位（Steady State Somatosensory Evoked Potential,SSSEP）与MI结合可有效改善这一局限性。因此,本文针对下肢MI-BCI系统性能较低的关键问题验证了MI-SSSEP混合范式在提高BCI系统性能上的优越性,在此基础上设计不同的优化方法,进一步探索其对BCI系统性能的影响。本文首先引入体感电刺激构建混合范式（MI+ES）,并与传统单一范式（MI）对比,采集了25名健康受试者的脑电数据。利用快速傅里叶变换及事件相关谱扰动（Event-related Spectral Perturbation,ERSP）方法分析其脑电特征响应。结果显示在两种条件下受试者大脑中央区的alpha频段均表现出事件相关去同步现象,并且MI+ES条件下体感刺激策略还可诱发出明显的SSSEP特征。此外,使用共空间模式（Common Spatial Pattern,CSP）/滤波器组CSP（Filter Bank Common Spatial Pattern,FBCSP）提取特征,支持向量机（support victor machine,SVM）进行模式识别计算不同条件下左右足MI的分类精度。结果显示CSP算法下,MI条件平均分类精度为57.7%、MI+ES条件为71.87%;FBCSP算法下平均分类精度则分别为61.9%、74.15%。表明引入SSSEP后可提升下肢MI-BCI系统性能。为进一步探究BCI性能优化方法,本文设计了不同训练模式的实验,研究了长时程离线MI训练对受试者皮层激活响应与BCI系统性能的影响。分别采集了有、无训练两组受试者和同一受试者训练前、后的脑电数据,探究其脑电激活响应与下肢MI-BCI系统性能。结果发现对于同一受试者,MI训练可显著促进MI条件下大脑皮质激活、提升下肢MI-BCI性能。表明MI训练可改善下肢MI-BCI系统性能。综上,本文工作证实了MI-SSSEP混合范式在提升系统性能上的优越性,推进了下肢训练型MI-SSSEP-BCI系统实用化进程,为其提供了新思路,具有较大的应用前景。