随着机器人技术的不断发展,适用于各个领域的智能机器人相继进入大众的视野,尤其是移动服务机器人,能够帮助老人、残障人士等行动不便的用户完成物品的远程抓取和运送,已成为他们日常生活中重要的辅助工具。然而,目前传统手工菜单式的机器人控制方式已经无法有效满足更高的服务功能需求和特殊应用场景,基于运动想象脑电信号识别技术的新型机器人控制方式可以极大改善这一问题,成为当前研究的热点。本文针对上述现状,根据移动机器人运动控制需求,从用户层面设计了相应的控制模块及指令,对控制模块中关键的脑电信号处理进行研究,提出了两种轻量级运动想象脑电解码模型。具体工作内容如下:（1）结合移动机器人的应用场景,设计了基于四类运动想象模式组合的控制指令系统,并针对经典运动想象脑机接口中存在的指令设计问题优化了用户的控制体验。（2）针对传统机器学习的脑电分类算法中的不足以及常规的卷积神经网络脑电解码模型存在的缺陷,提出了一种轻量级的解码模型信道混合卷积神经网络;并在不同的运动想象脑电数据集上进行了验证,其解码精度可以达到74.9%,此外特征可视化验证了其具备的良好的可解释性和跨范式解码的泛化能力。（3）针对运动想象脑电分类中深层、宽度以及融合模型存在严重的资源开销占用以无法满足真实脑机接口实时性和小型化的需求,提出了一种基于双分支卷积神经网络的运动想象脑电解码模型,实验证明其在占用更小的资源下在开源的四分类脑电数据集上获得了约85%高精度分类效果。本文对机器人控制中的运动想象脑电信号识别技术进行了研究,并在两个开源的基准运动想象脑电数据集上对所提出的两种分类算法进行了验证,实验表明所提出的算法获得了较好的解码性能,能够较好满足特定移动机器人的控制指令系统,为机器人的运动控制方案提供了一种新的思路。