EEG(Electroencephalography)是通过医学扫描仪器将人体脑部自身产生的微弱生物电放大记录而得到的曲线图。它是由人脑皮层神经元放电产生的电位组成,具有非侵入、无损伤、高时间分辨率、直接反映大脑电活动的特点。基于脑电(EEG)的脑-计算机接口(Brain-Computer Interface)是在人脑和计算机之间建立不依赖于常规大脑信息输出通路(外周神经和肌肉组织)的全新对外信息交流和控制技术。通过脑-计算机接口技术,人就可以不需要语言或动作,而直接通过脑的思维活动来表达想法或控制外部设备。这不仅可以有效增强身体严重残疾的患者与外界交流或控制外部环境的能力,提高患者的生活质量,还能为正常人提供很多高效的人机接口和交互模式。本文首先在介绍脑-计算机接口技术的背景研究和现有的比较领先的脑-计算机接口系统的基础上,提出了所研发设计的脑-计算机接口框架,然后实现了一套具有高准确率、低延迟、实时分析能力、功能完整、能针对受试者的差异进行针对性训练,具有很强的在线适应能力,并能进行实时远程机械车控制的脑-计算机交互平台。研发的脑-计算机交互平台主要基于用户运动想象的EEG模式的分析与控制分类,最后在机器学习训练的基础上进行在线的远程机械车控制。系统由脑信号采集、信号预处理、特征提取、模式分类、受试者应用程序和远程控制系统、可视化程序等模块构成。一套结合了独立分量分析和时间滤波器的预处理过程被用来去除伪迹和噪声降低。该脑-计算机交互平台中,实现了多种特征提取方法,包括小波分析和时频谱分解、共同空间模式特征提取和公共判别张量分解,形成的特征向量被支持向量机用于训练和分类。为验证所研发的脑机交互系统的有效性,几位受试者参与了数据的采集、分析和在线实验。再经过论文中所介绍的受试者交互训练和在线模拟训练后,系统会迭代的计算一个基于交叉验证的最优化模型。在线实验中受试者利用训练好的模型,进行在线的脑波模式识别和分类,并利用分类结果和相关控制策略算法行程连续控制命令来控制一辆通过蓝牙通讯的远程机械车沿着一条指定路线行进和转向,设置在远程系统中的无线摄像机会将实时环境影像和声音发回,形成受试者反馈。在最后的在线实验结果分析中,实验结果表明离线实验的分类准确率高达99%,在线控制的准确率也达到95%。