近年来,肌体运动功能受损严重但仍然具有健康的大脑,并且可以进行完整思维活动的残障人群数量不断增加,为了帮助他们实现运动功能康复,使他们可以顺利和外界环境进行交流,社会上学者专家开始关注基于运动想象的脑机接口(BCI)技术研究。BCI技术不用依赖于正常大脑内的神经系统,它将大脑和外部设备直接进行连接,在没有语言以及动作发生的情况下,将人类大脑产生的某一想法转化为与之对应的控制指令来对外部设备进行控制。这为一些特殊患者群体带来了希望。脑电信号中包含有患者极其丰富的生理信息和思维信息,对这种信号进行分析研究可以准确的识别出患者的思维意识,了解他们的想法和意图。本文主要对运动想象脑电信号的消噪预处理、特征提取以及信号识别分类这三个方面进行分析。在分析了和运动想象脑电信号紧密相关的ERD/ERS现象基础上,对脑电信号采用一个8~30Hz的带通滤波器进行滤波,实现了信号的消噪预处理。针对CSP特征提取方法主要对多导联脑电信号进行处理,而本文中有用信号主要集中在C3、C4和Cz三个导联上的问题提出用R-CSP与OVO-CSP相结合的方法对四种不同类型运动想象脑电信号进行特征提取,不仅克服了信号导联数目少的问题,还提高了特征提取的有效性。并针对基于Fisher准则的线性分类方法具有冗余性的问题提出基于加权Fisher准则的局部统计不相关分类方法(WLUDA)对脑电信号进行模式识别分类,不仅去除了冗余信息,而且得到优于普通处理方法的识别效果。最后通过对实验室采集所得到的运动想象脑电信号进行实验,对本文提出方法的有效性进行验证。实验结果表明,本文提出的信号处理方法有效的提高了运动想象EEG信号的识别精度,为基于运动想象的脑机接口系统的实现和走向生活应用提供了理论基础和技术支撑。