脑机接口是一种绕过人体肌肉神经组织,在大脑和外部设备之间建立一座沟通桥梁的系统,能够解读大脑意图,最终实现对假肢的控制。脑机接口可帮助具有正常大脑活动能力的残疾者进行康复训练,脑电信号作为控制假肢的输入源,实现对外部设备的控制。由于脑电信号较为微弱,易受外界环境干扰,如噪声干扰等,因此会产生错误率。眼动信号作为一种生物电信号,由眼球的运动产生。眼动信号易于识别,易处理。通过尝试发现,引入眼动信号能够有效降低错误率。针对脑机接口系统识别率低的问题,本文提出了一个将脑电信号和眼动信号相结合的新型混合脑机接口,为肌肉受损的患者提供一种更有效的意图辨识方式和更广的应用范围。本文主要分成三个部分,第一部分是脑电信号的提取分析,第二部分是对眼动信号的处理研究,第三部分是将脑电信号和眼动信号相结合进行意图辨识分析。本文基于两类脑电运动想象任务分析验证了事件相关同步和事件相关去同步现象,由于脑电信号能量分布分散,易受外界噪声干扰。其中,信号预处理采用小波阈值去噪法,相比于傅里叶变换有明显的优势,在处理数字信号时具有自适应性,能够有效处理时间和频率分辨率之间的问题,从而得到最优的时间频率分辨率。特征提取采用希尔伯特变换法,与短时傅里叶变换相比,希尔伯特变换法具有明显优点,它可以自适应地提取感兴趣的频带,能够对脑电数据进行更加准确的估计。本文分别对比了神经网络,线性判别法,支持向量机三种分类方法,根据对比结果显示支持向量机分类识别率最高,故采用支持向量机作为分类识别方法。本文对眼动信号进行卡尔曼滤波处理,通过判别算法提取凝视动作,对凝视点进行检测识别。最后,实验结果说明了将脑电信号和眼动信号相结合有效降低了脑机接口的错误率。本课题设计了将脑电信号和眼动信号相结合的混合脑机接口,主要研究了在眼动信号辅助下训练系统的启停,以凝视点作为控制训练启停信号,当识别到凝视点时,脑电动作命令信号被中断;因此当操作者操作有误或感觉疲劳时,可通过有意图的凝视动作暂停控制系统。由于两种信号具有较强的独立性,通过这种结合控制,实现了系统性能的提高,保证了系统的安全性。