脑机接口技术不依赖于传统的神经肌肉系统,可实现与外界的通讯与交流。本文的研究目的是将脑机接口应用到康复工程中康复机器人的控制及运动想象的反馈中,提高康复训练效果。针对于实际应用中遇到的信号类型单一、识别率低、患者与健康人之间的特征差异等关键技术问题,本文展开了具体研究。主要研究成果包括:1)本文提出了基于EEG与fNIRS的多模态脑机接口,根据两种信号时间分辨率的不同设计了新的实验范式。采集到同步的多模态信号后,为消除EEG信号中的噪音,先对EEMD分解后的高频分量进行小波阈值处理,再与低频部分进行重构得到消噪后的信号。通过两种方法结合起来运用,优势互补,既能够获得更明显的消噪效果,又能最大程度地保留信号的有效信息。2)根据脑电信号具有明显的非线性特点,采用非线性动力学分析方法提取特征,同时考虑到通道之间的相互联系,又提取了信号的CSP特征,结果表明在多通道的情况下CSP的分类效果更好。提取多模态信号的特征后,再利用BP神经网络算法对其进行分类,为避免神经网络的初始权值、阈值的随机性对分类效果的影响,提出GA优化BP神经网络,实验结果证明了优化算法的有效性。3)本文的研究目的是将脑机接口应用到运动功能的康复训练中。基于此想法,本文对健康人和脑卒中患者运动想象时的多模态信号进行比较分析,结果发现两者之间并没有显著性差异。所以,基于健康人的脑机接口也适用于脑卒中患者。并且,实验结果表明两者的特征之间具有一定的互补性,所以用于患者的脑机接口也应加入健康受试者的信息。