在脑-机接口（BCI）研究中,相对脑电图（EEG）和功能磁共振成像（f MRI）,功能近红外光谱（fNIRS）是一种较新的观测大脑功能的脑成像技术,其在BCI中有潜在的研究前景。运动想象（MI）作为可以改善大脑机制的实验策略,以“意念”控制为导向在BCI中广泛应用。在具体的研究中,一方面由于不同的实验范式需要采用更匹配的算法来识别才能得到更好的精度,另一方面,BCI实验范式的本身也存在难易与是否可执行想象的考虑。因此,本文主要围绕脑机接口的实验范式设计和算法应用展开了工作,具体的实验任务是执行上肢的实际和想象运动,目的是为今后研究在线直接脑控机器人的多任务运动奠定基础。本文开展的主要工作如下:（1）基于fNIRS信号设计了左、右手臂屈伸运动实验,采用了集成学习中的AdaBoost.M1算法识别任务信号。由于fNIRS测量血氧代谢活动固有的延迟属性,主要提取任务开始后第2～12秒数据的时域特征进行分类。同时采用常规算法SVM、LDA、KNN和NB进行对比分析,所得结果表明手臂屈伸运动范式应用于fNIRS-BCI研究是可行的,AdaBoost.M1算法可以有效识别任务信号,且其识别能力总体优于常规分类算法。本章的手臂屈伸运动是未来脑控机械臂进行大幅度位移运动的研究基础,也为第三、四章进一步研究手部运动奠定了基础。（2）从实际生活角度出发,设计了基于fNIRS的石头布剪刀游戏实验范式,分别从第3～8秒和第3～12秒两个时间窗提取任务数据的时域特征,采用SVM和LDA分别对任务特征进行识别,并对不同任务所对应的脑激活地形图进行对比分析。所得结果表明把石头布剪刀游戏作为fNIRS实验范式可行,并为该范式下的脑控机械手的抓握运动提供控制思路,同时也为第四章更丰富的手部运动研究奠定基础。（3）从交流方式的角度出发,设计了基于fNIRS的6类单手手语任务识别研究,从任务开始后的第3～12秒时间窗提取任务信号的时域特征,采用SVM、LDA、HMM、NB、KNN和AdaBoost.M1算法分别对任务的实际运动、想象运动以及实际运动vs想象运动进行识别,并对执行6类任务所激活大脑的区域进行对比研究。所得结果表明把单手手语任务作为fNIRS-BCI实验范式可行,可以为采用该范式的脑控机械手的多任务运动提供更丰富的控制命令。综上研究内容可为未来的脑控机器人上肢多任务运动控制提供借鉴。