脑-机接口(Brain Computer Interface,BCI)作为国内外研究的热门学科,涉及脑科学、康复医学、智能信息处理等多个领域,不需要依赖人体正常的运动机能,力求在人类大脑和生存环境中电气类设备之间搭建一种相互交流信息的新手段。本文主要研究基于运动想象脑电(Electroencephalogram,EEG)信号的脑-机接口系统,针对运动想象信号同步与去同步的特征,研究了脑电信号的预处理、特征提取和特征分类,并设计了基于运动想象的实时BCI系统。提出了将小波包分解(WPD)和共空间模式(CSP)相结合的特征提取算法,WPD-CSP算法是首先使用小波包变换对原始信号各个通道数据进行分解,选取与运动想象相关的小波系数,然后在小波系数域使用CSP算法进行特征提取,从而由于引入了脑电信号的频域特性,CSP算法投影矩阵适应性更好;结合“一对多”和“一对一”支持向量机分类器结构,设计了全新的双层支持向量机分类器,与传统的单层分类器相比,分类结果得到了很大的提高。本文最后设计了实时的BCI实验系统,并做了一定量的实验。实验结果表明,基于该系统能够对运动想象数据进行实时采集与存储。并且能实现脑电信号的实时模式识别。