脑机接口系统是指将大脑与计算机或者其他设备连接,通过解析大脑信号,实现控制外部设备的交互系统,该系统可以有效增强肢体残疾患者控制外界设备的能力。随着控制环境越来越复杂,多模态脑机接口系统越来越受到研究者们的关注,其可以进行多维信号控制,具有更高的控制准确性和系统稳定性。本文将多模态生物电信号与游戏系统结合,研究并设计了一种利用人体眼电、肌电和脑电（EEG）信号组成的多模态生物电信号协同控制人物对战的游戏系统,该系统可为身体残疾人士提供很好的游戏体验。本文的主要研究内容如下:（1）本文设计了舒尔特方格范式,实现对不同注意类型脑电数据的采集以及自动标注,构建脑电多级注意力数据库,并采用经典专注度模型对注意力数据库进行分级准确性分析。实验得出:本注意力分级模型可以很好区分高中低三种注意力水平。（2）在注意力分级研究中,针对脑电特征提取算法忽视原始脑电信号时序特征这一技术难点,设计了用于保存原始脑电信号的时序特征的长短期记忆深度学习网络。对比现有的五种基于EEG信号的注意力分级算法:小波变换、近似熵、共空间模式、基于相干系数的脑网络和卷积神经网络,在相同的EEG数据集上,本注意力分级模型识别准确率最高,最高准确率为92.64%。（3）为解决脑机接口系统中常见的个体性差异问题,本系统设计了自适应面部表情子系统,每个受试者可以根据自己面部表情的舒适程度设计游戏动作触发的数据指标,从而提高玩家舒适度,增强系统的实用性。（4）搭建完整的脑机接口游戏系统,采用Emotiv Epoc+脑电仪完成生物电信号的采集,分别设计并实现服务器端数据处理平台、用户数据报传输协议（UDP）和拳皇游戏客户端,完成信号的处理、转换以及传输,最终控制游戏进程。实验表明:被试者在多模态实时游戏系统中操作流畅,可以通过多模态信号实时控制游戏人物。