人类脑中风后会出现臂腿肌无力或瘫痪症状,患者的平衡和活动能力受到严重影响。外骨骼的出现能够帮助患者通过康复训练恢复健康,但患者的主动参与程度低。针对康复训练效率低等问题,本文设计了一种基于运动想象脑电信号(Electroencephalogram,EEG)的下肢康复外骨骼,由脑机接口控制使用患者的EEG在人脑和外骨骼设备之间提供通信系统。主要设计了下肢康复外骨骼的机械结构,研究了运动想象EEG特征提取、特征识别,优化分类算法,结合EPOC+实现脑控下肢康复外骨骼运动实验。本文首先研究了人体下肢各关节运动机理,设计下肢外骨骼模型结构,选择驱动方式,提出一种改进动力输出方案;通过对下肢康复外骨骼进行静力学分析,验证了外骨骼结构的强度与刚度;建立D-H模型进行运动学分析,得到了关节转角与末端位姿之间的关系,通过对外骨骼运动空间及加速度仿真实验,验证了结构的合理性;对行走过程中双腿支撑状态建立相应的动力学模型,通过虚拟样机试验,得到了各关节的角度及转矩曲线。其次,在EEG特征提取问题研究方面,分析了脑机接口实验范例,包括数据集的来源、采集装置、采集过程、电极位置摆放等,并研究了运动想象活动时产生的ERD/ERS现象。设计了运动想象EEG分类方案,并给出分类系统评价标准。利用滤波处理以及独立成分分析两种方法分别除去了EEG高频干扰及伪迹信号,并得到预处理后的信号。利用共空间模式及离散小波变换方法分别对EEG进行了特征提取,得到降序排列λ及分解重构信号。在EEG特征识别问题研究方面,针对EEG二分类及多分类准确率低的问题,分析了分类精度较高的线性判别分析及支持向量机算法。利用粒子群优化方法对支持向量机关键分类参数进行优化的方法,设计了分类优化方案,建立了基于粒子群的支持向量机分类模型,优化设计模型的惩罚参数、核函数参数,得到迭代过程适应度函数值,并通过MATLAB仿真实验,得到最佳参数组合。进行运动想象脑电信号分类实验,实验结果表明:基于粒子群优化的支持向量机分类识别的平均正确率为90.3%,有效地提高了运动想象脑电信号的分类精度。最后,搭建了基于EPOC+的脑控下肢康复外骨骼系统。编写了PC端外骨骼控制程序,结合EPOC+脑电仪,进行脑控外骨骼分类运动实验,通过试验验证了脑控外骨骼有效性及控制方案的可行性,初步实现了脑控外骨骼的运动想象EEG控制运动。