运动想象脑-机接口(Motor Imagery Brain-Computer Interface,MI-BCI)直接将大脑的神经活动信号转化为计算机或外部设备的控制信号,不仅可以帮助肢体运动障碍人群实现对外部设备的有效控制,同时也为脑卒中患者康复治疗提供了新的策略。针对现有MI-BCI虚拟康复系统场景模式单一、反馈机制缺乏、个体适应性差、识别率低等缺陷,以及如何最大程度增强受试者运动神经的深度激活、加速运动神经功能重塑机制问题,本文旨在研究一种多模式刺激增强及神经反馈策略,应用到基于运动想象脑-机接口的虚拟康复系统中,以满足脑卒中软瘫期患者肢体康复训练需求。本文主要内容如下:首先,针对运动想象脑电信号(Electroencephalogram,EEG)的机理特点、采集方式进行分析,并对EEG信号进行预处理和时域、频域、空域多层次特征提取;考虑康复系统对运动意图识别的实时性要求,利用数名受试者对支持向量机和线性判别器模型的性能进行对比,确定系统最佳意图解析算法。其次,设计并搭建基于多模式刺激增强及多层次神经反馈的虚拟康复平台,通过分层设计理念集成三大核心模块:脑电信号采集及意图解析模块、人机交互及虚拟场景管理模块、MySQL后台数据库管理模块,可实现多场景康复训练、康复评估、数据管理、人机交互等功能。另外,针对MI-BCI系统反馈机制简单的问题,提出多层次可视化神经反馈策略,通过小波包提取EEG特征频段并进行四阶累积能量计算,以评估运动神经激活程度,利用脑地形图对能量特征进行时空分析和可视化神经反馈。针对受试者的个体适应性需求,提出一种多模式虚拟场景刺激增强和参数自适应调整策略,以保证当前训练场景对受试者具有最佳康复效果。最后,为了验证本文设计的虚拟康复系统和多模式刺激增强及神经反馈策略的有效性。一方面,设计一种虚拟康复训练和增强运动想象评估实验范式,对比分析受试者局部频带能量特征和意图识别率变化,研究不同虚拟场景增强受试者运动想象神经激活机制。另一方面,通过数名受试者对康复系统策略和功能模块展开测试,并将其应用到医院完成初步临床验证。