相比于脑电（EEG）而言,由功能性近红外光谱（fNIRS）驱动的脑机接口（BCI）技术作为一种颠覆传统的脑机交互方式,有望为严重影响生活质量的下肢功能障碍患者提供一种可选的主动康复训练方法,因而得到越来越多的研究人员的青睐。现有的基于fNIRS-BCI多为离线研究,并且分类性能有待提高。本文不仅在离线研究的基础上提高了基于fNIRS-BCI系统的分类准确率,还在此基础上搭建了在线系统,对下肢运动想象任务进行了在线解码。本文的主要研究内容如下:（1）基于fNIRS和类相关的稀疏表示解码步行想象和空闲状态（两分类）研究。采集了受试者在步行想象和空闲状态下的fNIRS信号,对信号进行预处理之后,提取了氧合血红蛋白（Hb O）均值、峰值、均方根及其组合特征,使用类相关的稀疏表示（cd SRC）对提取的特征进行分类,并将cd SRC的分类结果与支持向量机（SVM）、K近邻（KNN）、线性判别分析（LDA）和逻辑回归（LR）分类结果进行比较。结果发现,cd SRC能显著提高步行想象和空闲状态的可分性（p<0.05）,可望为运动功能障碍患者提供康复训练的机会。（2）在此前两分类研究的基础之上,进一步研究基于fNIRS和cd SRC解码三类步态想象（正常步态想象、中风后异常步态想象和空闲状态）。综合提取了Hb O信号均值、峰值、均方根及其组合特征,对比了cd SRC、SVM和KNN不同分类器对三类步态想象的分类性能。结果发现,cd SRC解码Hb O信号均值、峰值和均方根组合特征取得的分类准确率最高,为87.39±2.59%。基于fNIRS识别步态想象可以应用于BCI系统以提供新的控制指令。这种类型的BCI可以为残疾人提供主动的康复训练方法,例如为机械假肢提供控制指令,使残疾人可以进行主动的康复训练以恢复其某些运动功能。此外,据我们所知,本研究是首次将cd SRC用来对基于fNIRS识别三类步态想象。（3）在上述离线研究的基础上,进一步研究了基于fNIRS的三类下肢运动想象的在线解码。要求受试者执行抬左腿想象,抬右腿想象和空闲状态任务。信号预处理后,提取Hb O信号均值、峰均和方根组合特征。使用cd SRC进行分类,并使用从分类中获得的控制命令实时控制人形机器人。受试者的抬左腿想象,抬右腿想象和空闲状态分别对应于人形机器人前进,后退和停止。这项研究有望为运动功能障碍患者提供辅助康复训练,也有望用于控制轮椅,为失去运动功能的患者提供便利。此外,该研究是首次对三类抬腿想象进行在线解码,结果表明基于fNIRS-BCI的三类下肢运动想象的在线解码是可行的。