基于脑电(EEG)的脑机接口(BCI)是在人脑和计算机或其它电子设备之间建立不依赖于常规大脑信息输出通路(外周神经和肌肉组织)的全新对外信息交流和控制技术。及时有效地提取和识别与运动想象相关的脑电模式可以帮助严重瘫痪病人控制光标或辅助运动设备以替代其受损的运动功能，建立一种与外界交流沟通的新途径。脑机接口技术是一种涉及神经科学、信号检测、信号处理、模式识别等多学科的交叉技术。一个BCI系统是由信号采集、特征提取、分类算法、命令输出等单元组成。其中特征提取和分类算法是其最为重要的研究内容。想象左右手运动和实际做这个运动会以同样的方式改变大脑主要感觉运动区域的神经活动，引起脑电相关频率成分的特征变化，如事件相关同步/去同步。依据这一生理现象，及时地提取和识别这些与运动想象相关的脑电特征可以帮助我们有效的分析人脑的意识。本文提出了基于mu节律能量为脑电特征的意识任务分类思想，对被测试者想象左右手运动的脑电mu节律能量(二阶矩)及其动态变化情况进行研究。二阶矩计算简单，而且可在线计算，故可以认为，基于mu节律能量为脑电特征的意识任务分类在脑机接口的应用中有较高的实用价值。本文主要对人脑进行左右手运动想象的脑电模式进行识别，属于两类任务分类，我们引入模式识别技术中的感知器算法、LDA算法、Mahalanobis距离判别式算法，以EEG(C3，C4)两个通道的mu节律能量作为特征向量，对左右手运动想象脑电模式进行识别，实验结果表明，正确识别率可达87.86％。Visual C++是微软公司提供给客户的强大的系统开发工具，以其界面的开放性著称，其32位面向对象的程序设计及Active X控件的灵活性深受广大科技工作者的青睐，可广泛应用于各个领域。将VC++运用到脑机接口的研究中来，可以帮助我们建立快速有效的脑电信号的分析识别和转换系统。我们利用了VC++建立了脑机接口实验系统，实现了左右手运动想象脑电信号的动态浏览、回放、基本节律提取，同时对脑电信号的频谱、功率谱、相关性、mu节律能量进行在线同步分析，根据事件相关同步/去同步现象对脑电模式分类识别，将识别结果转换为控制命令通过串口控制外部设备光标的移动。