随着国家“十三五”计划的提出,脑科学与类脑研究在人类的生活中变得尤为重要。脑机接口技术为人类提供了一种更便捷的通道来实现脑电信号与外界的交流与控制。人机交互技术是未来计算的发展趋势,它将不断的渗入到各行各业中。本课题在此背景下进行了基于脑机接口的自然人机交互系统的研究。其研究内容主要包含以下三方面:1、通过对MindWave设备进行二次开发,采集肢体动作产生的脑电信号,并用FIR数字滤波器对采集的脑电信号进行滤波以去除伪迹,提高信号的信噪比。2、将滤波后的脑电信号用小波能量熵和AR模型算法进行特征提取,并利用约束超限学习机和卷积神经网络对提取后的信号进行识别分类,对识别后的信号进行分析。分析结果表明,将小波能量熵和AR参数模型组合得到的特征向量用约束学习机进行分类,得到的分类效果相对较好,分类正确率达到87.5%。3、设计人机交互系统,并对其系统进行验证。其验证过程中,被控对象为现有无人机,将识别后的结果转化为特定的控制指令,以驱动无人机的飞行状态。验证结果表明:该系统具有高效的交互效率。本课题主要研究了多种脑电信号特征提取和识别算法,对各种算法处理结果进行对比分析,选择最优算法并应用于人机交互系统之中,最终达到了提高人机交互效率的目的。