随着科学技术的发展,人类对于脑科学及人类脑智能技术的研究愈加深入。基于运动想象的脑-机接口技术作为脑科学研究中最具代表性的新兴科技发展技术,越来越受到国内外科研学者的关注。该技术可以绕过人的脑外周神经和肌肉组织,通过采集人脑中对应各运动意图的脑电信号,对运动想象脑电信号分析处理并转换为控制指令,分别控制外部设备完成相应的任务,从而达成与外界环境交流的目的。脑-机接口技术为存在肢体运动障碍或者神经肌肉组织受到破坏但思维健全的病人带来了曙光。历届国际脑-机接口竞赛的研究内容大部分是基于左右手、脚和舌头的运动想象,而对于人同一肢体不同关节的动作研究较少,本文在现有四类运动想象基础上细化运动想象动作类型,设计基于上肢肩部、肘部和腕部的三类运动想象实验范式。要想通过脑-机接口系统达到对外部设备的控制,那么对于脑电信号的深入解析就是必不可少的。本文针对课题设计的三类运动想象实验范式,提出基于小波变换分析、EMD-CSP以及GA-TWSVM的脑电信号处理方法,并将最终得到的成果应用于外部机械手臂的控制。具体研究内容如下:(1)运动想象实验范式研究。基于目前对于运动想象脑-机接口技术的研究绝大多数集中于对左右手、脚和舌头的运动想象,本文设计了上肢右臂肩部前屈、肘部前屈和腕部外旋三类运动想象实验范式。选取八名被试者采集三类运动想象脑电信号作为本文实验数据集。(2)脑电信号预处理与特征提取方法研究。①针对文中所设计的运动想象实验范式,先运用共平均参考对原始脑电数据进行滤波处理,随后提取与运动想象相关的频段。②运用功率谱分析验证预处理的有效性,并提出基于EMD-CSP的上肢三类运动想象特征提取方法,分析预处理信号经过经验模态分解后得到的本征模态函数,将与运动想象频段相对应的时域信息输入共空间模式,进一步提高了共空间模式的特征提取能力。(3)运动想象模式识别研究。提出基于遗传算法优化的孪生支持向量机,对三类运动想象进行识别分类。运用遗传算法对孪生支持向量机进行参数寻优,将实验数据分别运用遗传算法优化的孪生支持向量机、最小二乘支持向量机、BP神经网络和极限学习机进行处理,通过对每种方法所得识别率的比较,从而证实了本文所提算法与其他现有几种方法相比更为优越。(4)机械手控制系统设计。对系统的总体框架进行设计,详细介绍了系统各部分模块的功能,对系统硬件和软件进行设计并对细节部分进行说明。最后,检验控制系统的性能,设计实验进行测试,对测试结果进行分析,得出结论。验证所提出算法对于机械手的控制具有一定的实践价值,为实现控制机械手臂更多类型的动作奠定基础。