脑-机接口（Brain-Computer Interface，BCI）系统能够实现人脑与外部设备之间的直接交流和控制，使人脑与外界环境进行信息交流时不再依赖外周神经和肌肉组织。由于BCI系统具有巨大的理论研究价值以及实际应用前景，该技术已成为近年来生物医学工程领域中研究的热点。　　本文在充分了解国内外相关研究的基础上，以想象运动作为切入点，使用脑电图（Electroencephalogram，EEG）脑电信号系统地研究了基于想象运动的脑-机接口，设计EEG脑电信号提取的实验方案，对采集得到的脑电信号提取模型参数特征，选择合适的分类器对特征向量进行分类，并对脑-机接口的实际应用进行了探索，取得了卓有成效的成果。主要内容如下：　　1、设计了基于想象左手、右手和脚部运动的脑电信号采集实验方案。根据脑电信号产生原理和想象运动脑电信号的特点，设计了提取想象运动脑电信号的实验方案和新的实验范式，提取了三种不同想象运动任务的脑电数据，为后续的离线分析处理奠定了数据基础。　　2、进行了以模型参数为特征的分类研究。本文采用模型法对估计功率谱，并分析了自回归（AutoRegressive，AR）模型提取非平稳随机信号特征的不足，采用自适应自回归（Adaptive AutoRegressive，AAR）模型和多变量自适应自回归（Multi Variable AAR，MVAAR）模型对EEG脑电信号提取特征，并针对想象运动EEG信号的特点，对AAR模型和MVAAR模型进行改进，为了在通道数减少的情况下更精准地表现EEG脑电信号，使用模型参数作为特征向量。使用Fisher分类器、BP神经网络和支持向量机（SVM）对三种模型参数特征进行分类识别，并对SVM的参数进行优化，提高了分类识别率。　　3、设计基于ThinkGear ASIC Module（TGAM）和想象运动的在线脑-机接口系统，实现对移动小车终端的控制。面对同步在线脑-机接口的状态判定问题，本文利用基于TGAM的头戴式设备作为在线脑-机接口的状态监测模块，实现对使用者状态的实时监测，提高在线脑-机接口的实用性。通过基于想象左手、右手和脚部运动的在线脑-机接口，使用者在经过适应性训练之后能较好地实现对移动小车终端的前进、停止、左转和右转控制。