随着微电极制造及多通道神经信号记录技术的不断发展,从生物体提取神经元放电活动,并将其同计算机等外部装置连接通讯的神经接口系统正受到越来越多的关注。本文基于灵长类动物神经接口,针对初级运动皮层,对灵长类动物的自适应运动神经控制机制以及运动辨识进行了深入探究。论文探究了猴子在不同干扰任务条件下的自适应运动控制的神经机制。提出在猴子自适应运动过程中,初级运动皮层存在一种动态经济性神经元调配机制,通过改变调制运动方向和角度的神经元个数完成不同条件下的运动任务。在此基础上,结合我们先前关于猴子行为学数据的分析,提出一个适用于类似任务的自适应运动控制框架假设,将行为运动水平上的经济性与神经系统细胞水平上的经济性纳入同一框架,揭示了生物自适应运动中的经济性原则,符合生物进化的基本方向。基于初级运动皮层神经元放电信号,利用常用的模式识别算法,对猴子的运动意图进行辨识。发现在解码不同的运动变量时,选择合适的神经元对于解码效果影响很大;同时,不同类别神经元对不同变量解码的差异也证实了基于双因素方差分析对神经元进行功能分类的有效性。此外,基于合适的神经元在运动真正实施之前的运动准备阶段就能较为准确地提取运动意图,这对智能假肢的神经控制具有重要意义。论文还使用经典的卡尔曼滤波算法对猴子手的运动轨迹进行跟踪。通过选择合适的神经元活动和运动轨迹,用最小二乘和极大似然估计对模型中的关键参数进行估计,构建猴子手运动轨迹的卡尔曼滤波模型。结果表明采用构建的卡尔曼滤波器可以有效实现对猴子手运动轨迹的预测和跟踪。卡尔曼滤波模型的构建实际上就是对猴子运动习惯的学习,将该模型用于对未知运动轨迹的预测,进而控制假肢运动,对未来假肢系统的仿生化发展具有重要意义。最后,对全文进行了总结,并针对以上研究中遇到的问题和不足之处,提出今后工作中需要进一步深入探讨研究的问题。