脑-机接口(BCI)是指不依赖于传统的神经通路,直接在大脑和外设之间建立的通过思维进行外部设备控制的新型通讯系统。BCI系统主要包括信号采集、信号处理以及设备控制三大部分,其中的核心是信号处理部分。目前BCI系统可用的脑电信号主要包括稳态视觉诱发电位、P300和运动想象信号等,其中运动想象信号只需要进行想象就能自主产生,操作简单且身心负荷小,得到了应用型BCI研发人员的青睐。但是运动想象信号属于自发信号,信号特征极不稳定,个体之间差异也较大,最重要的是其受限于输入脑电信号的模式类型,可输出指令较少。为了解决上述问题,本文设计了一款基于运动想象模式编码的BCI系统,并且从自用型与公用型两种不同面向对象的运动想象BCI系统出发,分别设计了适用其特点的分类器。本文主要工作内容如下:(1)针对传统运动想象BCI系统输出指令少的问题,在系统中引入了编码和解码环节,通过编码环节将不同的运动想象模式组合编码出多种输出状态,再通过解码环节翻译出多种指令,在不额外增加其他输入脑电模式的前提下有效增加了输出指令,使输出指令从原来的2种增加到了6种。(2)针对自用型和公用型两种具有不同面向对象的运功想象BCI系统,设计了不同的分类器,提高了分类正确率。对于自用型运动想象BCI系统使用对象已知,并且可以提前采集被试的脑电数据样本进行训练的特点,将AR模型与传统SVM分类器相结合,利用频域特征替代了时域特征作为分类器的输入,平均分类正确率提高了3.42%;对于公用型BCI使用对象未知,并且无法提前获取被试任何数据的特点,结合事件相关同步/去同步现象,设计了基于希尔伯特-黄变换的加权投票分类器,相比传统小波变换时频分类方法平均分类正确率提高了3.62%。(3)完成了基于运动想象BCI的智能轮椅系统设计与搭建。整个系统包括控制系统、信号处理系统、通讯系统以及信号采集系统。此外还完成了硬件的选型和调试工作,并分别使用Keil、Matlab以及Qt平台完成了相应的软件编程工作。在系统搭建完成后,对系统性能进行了测试,分类正确率达到了86.67%,指令解码正确率达到了77.74%,Kappa值达到了0.74,验证了该系统的实用性。