脑机接口（BCI）是将采集到的大脑电信号转换为能控制外部设备的一种系统。BCI允许用户直接和外部设备通信而不依赖大脑外部神经和肌肉组织，它通过采集和测量人大脑的神经活动，即脑电信号（EEG），并对采集的EEG进行特征提取和分类识别，输出相应的控制命令。这种通信方式为那些因创伤和神经疾病而不能有效控制肌肉活动，但思维意识正常的人提供了帮助。脑机接口在医学、康复训练、军事训练、工业等领域发挥着巨大的潜在价值，也成为近年重大的研究热点。运动想象BCI系统研究的关键是选择适当的方法从脑电背景中提取能代表脑电任务的特征。本文对时域二阶能量特征提取、Hilbert包络提取、EMD分解法、小波变换法、自回归模型法、共空间模式（CSP）算法等方法在脑电特征提取中进行了分析。提出了一种在CSP算法中加入Fisher准则改进型CSP算法来提取两类想象运动特征的方法，这种方法折衷了fisher和CSP，不从单一的方向去考虑脑电信号。在Fisher和CSP结合的投影方向上选取较大的D个特征值对应的特征向量作为分类器的输入特征，用以实现运动想象脑电任务的分类。实验显示，这种结合Fisher和CSP的方法提取脑电特征比单纯的CSP方法正确率有5%左右的提高，增强了BCI系统运动想象的识别率。针对BCI技术，本文展开讨论了FPGA在脑机接口中的运用。提出了在FPGA平台上实现CSP特征提取算法的方法和自回归模型法设计步骤。CSP算法中包括协方差矩阵计算模块、基于Givens旋转算法的矩阵特征值分析和特征向量求解模块；自回归模型法涉及：自相关运算、舒尔递推、反射系数转AR模型参数等模块设计；并在FPGA开发平台上给出了LDA分类器实现步骤。最后，对各个模块进行仿真验证，仿真结果表明，本设计对今后便携式脑机接口系统的开发提供了一定的参考价值。