近红外脑成像（functional near infrared spectroscopy,f NIRS）是一种常用的脑成像技术,也是实现脑机接口（Brain-computer interface,BCI）的重要手段之一。BCI系统通过检测、分析、解码大脑活动,实现大脑与外部设备的双向通信。运动想象作为BCI中经典的实验范式,成为该研究领域的一个热门的研究方向。当前,基于f NIRS-BCI的运动想象分类研究主要集中在对左右手两类的运动想象任务分类。基于f NIRS-BCI四类运动想象分类的相关研究较少,并且正确率较低,不能满足BCI系统的需要。本文设计实验范式实现了基于运动皮层的四类运动想象任务f NIRS数据的采集,并运用不同的分类算法对四类运动想象任务进行分类。主要的研究工作如下:本文的研究与之前基于前额叶皮层采集被试对四个方向运动想象f NIRS数据的相关研究不同,将7个光源发射器和8个接收器放置在运动区构成18个有效通道,采集十名被试执行舌头、双脚、左手以及右手四种运动想象任务时的f NIRS数据。划分了三种不同的时间窗口（0-5s、5-10s、0-10s）,采用统计特征提取的方法,对单被试每个试次的每个通道的含氧血红蛋白浓度（Hb O2）与脱氧血红蛋白浓度（Hb）提取8个统计学特征。采用三种不同的机器学习分类器支持向量机（SVM）、K近邻分类器（KNN）以及自适应增强算法（Ada Boost）构建单被试分类模型计算在不同时间窗口下的分类正确率。十名被试最高平均正确率为48.499%,比之前的相关四分类运动想象研究提高了将近8%。将共空间模式算法（CSP）应用到基于f NIRS-BCI的四类运动想象任务分类中。构建成对耦合的空间滤波器,对滤波后的数据提取方差作为最显著的特征,结合特定的滤波器训练特定的分类器（SVM、KNN、Ada Boost）。对测试集,采用留一法结合投票决策的方法计算得到最后的分类标签。通过对十名被试在三个时间窗口下分别应用CSP算法得到分类正确率。十名被试最高平均正确率:61.62%（Hb O2）,50%（Hb）。与基于统计特征提取方法的分类方法正确率分别提高了15.31%（Hb O2）,1.5%（Hb）。本文计算了基于f NIRS-BCI四分类运动想象的最高信息传输速率（ITR）为3.86bit/min。