随着人口的老龄化和残疾人数量的不断增多，普通的感觉反应通道有时不能满足这部分人的需求，因此对脑科学的研究需求也就越来越迫切，人们渴望能够通过对脑科学及相关领域的研究来克服人类自身的缺陷和不足。最近几年，脑机接口的研究在脑科学的研究中脱颖而出，它提供给使用者一种区别于普通大脑-神经-肌肉方式的实现人与外界通讯的通道。这种设备能够使残疾人和肢体运动困难的老年人重新获得与外界交流的能力。在脑机接口的研究中基于脑电信号的脑机接口以其简单、安全、无创而备受人们的关注。本文研究的就是基于左右手想象运动的脑机接口系统中脑电信号的分类识别问题。本文在前人研究成果的基础上，通过对组成脑机接口的各个部分的介绍、研究及创新，构建了一个基于左右手想象运动的脑机接口框架。本文主要对以下几个方面进行了研究：1)在实验室已有的脑电采集设备及软件基础上，针对课题研究的特性，设计出符合课题需要的脑电采集实验。按照实验要求，使用VC++6.0设计出相应的脑电采集软件MIEEG。本文设计的软件，既可以与实验室已有软件SDUND相结合作为其中的一个实验提供给普通的脑电研究人员使用，又可以独立出来单独作为想象运动的脑电采集程序。考虑到以后的研究，软件中预留出了可扩展的空间。2)通过选择合适的电极及导联方式，并结合大脑的功能分区对脑电采集的具体部位进行最终确定。对于采集到的脑电信号，通过数据预处理进行频域滤波以选择对于想象运动敏感的频段，在该频段内通过去均值化处理等方法以减小误差。再通过时域滤波提取最为敏感的时间段，在该时间段内提取出脑电特征并将其量化。本文采用的脑电特征是对想象运动比较敏感的事件相关同步／去同步。对于该特征，本文量化了两个特征值有效场强M和空间复杂度Ω，为了提高分类准确率，本文对特征值Ω进行了差值化处理，使其更加有利于分类。3)通过对目前常用的两种分类器—Fisher判别函数和支持向量机的介绍，阐述了他们的构造原理及公式推导。本文着重对支持向量机的构造过程进行了详细描述，对构造过程中的核函数和参数选择也进行了详细地分析。对于两个特征在输入支持向量机时的组合方式，本文提出了采用模拟人类思考方式的人工神经网络方法，通过与普通方法的比较可以看出本文所采用的方法其分类正确率较高。本课题在算法研究阶段采用2003年国际BCI竞赛数据，在算法验证阶段采用本课题设计的MIEEG软件采集的数据，对于提取的脑电特征，支持向量机的分类正确率分别可达87.1％和82.8％，而Fisher判别函数法的分类正确率为81.2％和76.6％。研究结果表明，对于左右手想象运动，支持向量机的分类效果比Fisher判别函数法优良。