脑机接口(Brain-Computer Interface,BCI)是一种不依赖传统神经肌肉组织,通过将大脑活动信号直接转换成计算机指令实现人与外界交流的新型通讯与控制通路。随着相关理论与技术的不断发展,脑机接口这种新的人机交互方式在医疗康复、工业生产以及军事作战领域都体现出重要的应用价值。受到大脑活动检测等技术的限制,目前的脑机接口的实际通讯效率仍比较低,在控制实时性、可靠性以及输出带宽等方面还难以达到实用化的要求。本文从信号处理方法设计和控制策略优化这两个方面综合提升脑机接口的实时通讯效率,从而构建更加高效可靠、人机协调的脑机接口系统,实现更高层次的控制水平。一方面,通过改进信号处理算法,在实现对不同肢体运动想象脑活动分类的基础上,进一步在脑电(EEG)信号中提取运动想象的强度信息,实现具有线性输入输出特性的脑机接口。另一方面,引入共享控制方法,将脑机接口与自主控制系统相结合,综合提升脑机接口的通讯效率和控制水平。课题选取倒立摆这一典型静不稳定系统作为被控对象,验证所设计脑机接口系统的性能。针对第一个方案,本文通过计算机设计实现了倒立摆仿真实验平台,检验我们方案的性能;在第二个方案中,本文将所设计的脑机控制系统应用于真实倒立摆的平衡控制,以验证其控制性能。三名健康的被试参与了本文所设计的实验。在第一个控制方案中,两名被试成功实现了脑机接口输出量大小的调节,进而实现了对虚拟倒立摆20秒以上的平衡控制时间。在第二个方案中,参与实验的两名被试通过使用我们建立的脑机共享控制系统实现了对真实倒立摆的平衡控制。上述实验结果证明,本文所设计的信号处理算法和人机共享控制策略能够有效地提升脑机接口实时通讯效率,对于构建人机协调的脑机接口和进一步推进脑机接口的实用化具有重要意义。