脑机接口的目的是将人的意图直接转换为对外部设备的控制命令,从而实现一种不依赖于正常的外围神经和肌肉的交流通道。脑电信号是这种交流通道的一种输入信号,是大脑内部各种意识活动的外部表征,同时,脑电信号是从大脑皮层处由电极采集得到,因此包含着大脑皮层活动的丰富信息,能在一定程度上反映大脑的活动。脑电信号的处理和分析对于大脑功能的理解和认知具有重要作用。寻找合适的脑电信号识别方法是本文研究的主要内容,也是提高脑机接口系统可靠性与性能的一个关键部分。本文主要分析和讨论运动想象脑电信号的预处理,特征提取和分类算法,主要对以下几个方面作了重点研究：(1)详细研究了脑电信号理论,通过分析脑电信号的频率信息,研究了与运动想象关系最为密切的频段信号,并设计采用带通滤波方法提取该频段信号。(2)研究了基于独立分量分析(ICA)的信号噪声去除方法。从ICA原理出发,研究了FastICA的原理,将FastICA应用于多通道脑电信号中,分离出独立分量,并且得到解混矩阵。利用解混矩阵的空间模式进行噪声识别。研究表明独立分量分析能够消除脑电信号中的噪声和增强信号的有用信息,从而提高脑电信号的信噪比,独立分量分析算法在脑电信号去噪方面有着良好的有效性。(3)针对多任务识别问题,研究了基于公共空间模型的扩展模式-一对多的公共空间模型。本文在分析一对多的公共空间模型的基础上,提出独立分量分析与公共空间模型相结合的脑电识别方法。本文最终以支持向量机作为分类器,以脑电信号识别率作为衡量指标,对脑电信号数据进行分析处理,对本文提出的结合ICA和OVR-CSP的脑电信号除噪及特征提取方法进行实验,结果表明本文提出的算法能够提高脑电信号的分类识别率。