脑机接口技术（Brain-Computer Interface,BCI）可通过控制医疗器械、智能轮椅、机械手臂等外部设备表达人脑活动信号,从而达到恢复肢体能力的目的。但由于目前多数BCI技术仍处于试验阶段,很多算法结果并不理想,同时由于外部设备价格昂贵、连接复杂、人工智能算法耗费大,脑电信号识别精度得不到保证,因此采用虚拟人进行算法研究具有重要意义。为此,本文研究了运动想象脑电信号识别控制虚拟人技术,主要对脑电信号的通道选择、特征提取、分类识别进行了研究。主要研究内容如下:（1）由于脑电信号通道数量多、具有相似性、识别效率低,本文提出了一种结合互信息与随机森林算法的脑电信号通道选择方法。先通过互信息去除冗余通道,再利用随机森林选择最重要的通道。此方法能够兼顾通道间和通道与类别的关系,得到高精度所需的最优通道,提高后续识别效果。（2）针对脑电信号间差别小、振幅较弱、通道间相关性强,本文提出采用状态空间模型作为脑电信号的特征模型,使用EM算法对状态空间模型的参数进行辨识,并提取出状态空间模型参数作为脑电信号的特征。状态空间模型既能提取脑电图的时空特征,又能建立通道间的非线性关系,提高了后续识别的效果。（3）针对脑电信号的时序性和重复性,需要对重要时序和特征进行加权来提高准确率,本文提出SE-GRUTA模型进行脑电信号识别。在特征输入GRU模型之前对其进行挤压激励操作,再对GRU每个时间步的输出进行权重计算,最后通过全连接得到最终的分类结果。（4）开发基于Web GL的虚拟人控制系统,并实现脑电信号控制虚拟人。使用Maya设计虚拟人及仿真环境,通过Web GL将虚拟人呈现在系统页面中,将前文研究的模型应用于此系统,实现对脑电波信号的识别,并通过调用虚拟人运动的编码来实现相应的动作。由此实现脑电信号控制虚拟人进行运动。