本文介绍了生物电信号研究的发展概况,分析了脑电信号(EEG)的产生机理,介绍了几种常见的生物电信号的特征提取方法,包括时域、频域与小波分解,阐述了基于支持向量机(SVM)与模糊支持向量机(FSVM)分类的工作原理。　　本文构建了生物电信号采集实验平台,包括生物电信号放大器和USB4716数据采集卡,最大采样率为200KHz,并基于Labview设计了采集软件。　　论文主要对基于脑电信号的运动想象分类问题进行了研究,实验过程中实验对象需要通过脑电信号控制一个屏幕中的想象反应条,该反应条的运动反映了手部运动想象是向左或向右的,因此需要准确识别脑电信号与运动方向的关系。论文选取了sym2小波基函数对脑电信号进行2尺度小波分解,提取绝对值最大的细节系数和近似系数作为特征向量,输入基于径向基核函数(RBF)的SVM和FSVM对EEG信号进行运动想象分类,采用最小分类错误率、最大互信息等参数评价SVM和FSVM分类器的性能,在此基础上由最大互信息所对应的时刻得到分类时间。　　实验结果表明SVM方法可以有效地对脑电信号进行分类,FSVM在小样本情况下具有良好的推广性能和抗干扰能力。