脑机接口(Brain-Computer Interface ,BCI)是基于脑电信号,而不依赖于脑的正常输出通路(即外周神经和肌肉)的,实现人脑与计算机或其它电子设备通讯和控制的技术。BCI可以为那些大脑正常,而中枢神经系统受到严重损伤的闭锁病人提供一种与外界交流和控制的途径,在康复领域具有重大应用价值。本文在充分了解国内外相关研究的基础上,以运动想象作为切入点,系统地研究了基于左右手运动想象的脑机接口从离线分析到在线应用的各个层面的问题,取得了卓有成效的成果。针对受试者在运动想象时的个体差异所造成的特征提取的盲目性,分类正确率难以进一步提高的缺点,本文提出了“基于时频分析的左右手运动想象频带能量特征差脑地形图法”,“基于样本熵的左右手运动想象复杂度特征差脑地形图法”,和“基于高阶累积量的左右手运动想象特征差脑地形图法”三种方法,成功解决了左右手运动想象BCI的个性化设计难题,实现了用最少的导联,最少的特征向量,最简单的特征提取和分类算法,取得较好的分类效果。全面论证了频带能量,样本熵,4阶累积量作为左右手运动想象分类特征的可行性,并针对这三种特征研究了各自的特征提取快速算法和最佳参数选择问题。探讨了五种分类器在左右手运动想象BCI中的应用,研究了其分类原理与设计方法,全面比较了各种分类器的优缺点和适用范围,为实时BCI系统分类器的选择以及个性化BCI最佳特征的选择提供理论和实验依据。为了进一步改善BCI系统性能,本文对运动想象思维策略的选择,EEG采集方式,训练数据选择等方面进行了深入探讨。实验结果表明:复杂度高的左右手运动想象策略对于BCI系统整体分类正确率的提高有所帮助;三同心圆环拉普拉斯电极具有良好的空间分辨率和空间定位性能,比传统EEG测量更能有效检测运动想象时的大脑区域化特征,而且操作简单,适合在线BCI系统的应用;“基于决策融合的训练数据选择算法”,可以排除原样本中由于受试者主观因素导致的“不利样本”,有效改善分类器的性能,提高BCI分类正确率。自行研制了基于左右手运动想象的实时在线BCI系统,采用“决策融合”算法实现了对空闲状态的识别,成功解决了该类BCI连续工作问题。并在此基础上,将BCI与具体应用相结合,开发了“基于BCI的瘫痪病人辅助康复系统”和“基于BCI的环境控制系统”,初步实验证明了这两种应用方案的可行性,展示了其潜在应用价值。