运动想象(Motor Imagery,MI)是近年来脑机接口(Brain Computer Interface,BCI)研究领域中备受关注的热点之一。目前,针对运动想象脑电信号分类识别具有高稳定性和高准确性的要求。本文将以运动想象脑电信号为研究对象,以有效提高左右手运动想象分类准确率为研究目标,结合稀疏表示(Sparse Representation,SR)方法针对多域多通道的脑电信号特征提取进行融合,随后根据受试者脑电信号的个体差异,通过对不同时段进行加权并使用线性判别分析(Linear Discriminant Analysis,LDA)分类的方法,实现了左右手运动想象EEG信号的分类。论文主要工作如下:(1)针对脑电信号特征是多域的特点,并且其特征在各个单域上的信息是单一的,提出一种基于稀疏表示的运动想象脑电信号多域特征提取算法。该方法使用稀疏表示方法将多域特征进行融合,并消除特征间冗余,通过2008年脑机接口竞赛数据上的验证说明该方法能够很好的提取运动想象脑电信号特征。(2)针对脑电信号的多通道特点,结合联合稀疏模型(Joint sparse model,JSM)提出一种多通道特征融合方法。该方法能够在融合多通道能量特征的同时考虑其空间位置信息,随后通过时间加权LDA分类方法进行左右手运动想象脑电信号的分类识别。通过2008年脑机接口竞赛数据上的验证说明该方法能够有效提升多通道运动想象脑电信号的识别效果。(3)根据文中所提的理论研究方法,利用Neuracle设备对运动想象脑电信号进行采集和离线分析,经离线数据的验证,证明了所提理论方法的正确性和可行性。