上肢外骨骼设备是一种供人体穿戴的机器人,外骨骼的动作行为需与使用者的“意识”相同。人类的动作是由大脑产生并由肌肉与骨骼进行执行的,因此使用方法将人类的脑电信号进行解码即可直接连接人类的“意识”与外部执行设备。脑电信号是由人类大脑活动所产生的电信号,是一种人类意识活动的具体表征。不依靠传统的外围神经以及肌肉的信息传输通路而直接对脑电信号进行特征提取以及模式识别任务连接人脑与外界设备的技术称为脑-机接口技术。该技术是一种通过检测中枢神经系统活动,并将其转化为控制指令,能够替代、修复、增强、补充或者改善中枢神经系统的正常输出的技术。将该技术能改变中枢神经系统与人体内外环境之间的交互方式,运用于上肢外骨骼设备的人体控制任务可以有效解决上肢外骨骼的动作与用户意图的一致性问题。本文提出了一种基于深度学习技术的脑电信号分析技术。使用原始脑电信号直接进行分类,简化了特征提取过程,取得了命中曲线下面积值(AUC)为0.9761的高准确率分类效果。提出了一种基于集成学习技术的快速训练的脑电信号特征分类方法,使用运动相关皮层电位以及不同频率的神经振荡作为特征,在相同的时间训练时间内得到了超过任何一个基分类器准确率的分类算法。本文建立了一套上肢外骨骼机器人脑-机接口控制仿真系统,设计了一套Restful架构模式的网络节点。设计了包括信息采集部分、信号传输部分、在线处理部分以及上位机控制部分的硬件、通信协议以及软件组件。该系统能够利用远程服务节点在线处理脑电信号并将脑电信号转化为机器指令,实现人体对上肢外骨骼的控制功能并通过仿真界面实时显示运行状态。