肢体残缺特别是上肢全部缺失会给患者生活造成极大的不便,严重影响其生活质量。随着人们生活水平的不断提高,截肢患者对假肢的使用要求越来越高,控制自然、具有多自由度的智能化假肢日益成为更多患者的要求。因此,基于脑电、肌电、肌音、运动神经等人体自身仿生信号的假肢控制技术的研究具有重要的理论意义和实用价值,成为当前机器人和生物医学工程等领域的研究热点和前沿课题。但是由于这些信号的采集和识别较为困难,利用这些信号研究控制的假肢的自由度始终较低,且控制的稳定性和实时性较差。本文针对实验室所设计的全臂代偿多自由度上肢假肢结构,选择采用左手、右手、左肩、右肩四类运动想象脑电信号为信息源进行控制,建立了在线BCI假肢系统实验平台,并通过对假肢空间随机目标物体定位和抓取算法的研究,实现了利用四类运动想象脑电信号控制多自由度假肢抓取空间随机位置处物体的目的。针对多自由度上肢假肢的结构和“定点抓取物体”的控制要求,提出了基于左手、右手、左肩、右肩四类运动想象脑电的假肢控制系统的总体结构和在线控制假肢抓取随机目标物体的方法。为了保证信号的采集质量和可靠性,对运动想象脑电信号采集的实验方案及样本数据的筛选进行了讨论。利用AR模型功率谱估计和小波连续变换方法对左手、右手、左肩、右肩四类运动想象脑电的ERD/ERS特征分布情况进行了分析,结果表明,左、右肩运动想象也能引发不同的ERD/ERS现象,同一侧的手部与肩部运动想象引发的ERD/ERS现象的导联及频带分布存在一定的差异,左手、右手、左肩、右肩四类运动想象脑电之间具有可分性。在此基础上,深入研究了基于小波分析的ERD/ERS特征和相位同步化特征的提取算法。提出并设计了结合小波连续变换和公共空间模式进行ERD/ERS特征提取的方法,对其中时段、导联、频率的联合选择问题进行了探讨。为了进一步提高对四类运动想象分类的正确率,以保证由其对假肢控制的实时性,采用ERD/ERS特征和相位同步化特征结合进行分类,结果表明,两种特征的结合对改善左右手、左右肩四类运动想象之间的分类性能效果明显。针对左手、右手、左肩、右肩四类运动想象脑电的分类识别,对基于PNN和基于SVM的四类分类器分别进行了研究。根据两种算法各自的分类原理和特点,对其分类策略进行了选择,设计了相应的四类分类器,并对其中的参数进行了优化;为了获得更高的分类准确率,针对两种算法分别对其多分类器的融合进行了研究。研发了基于运动想象的假肢在线BCI系统软件平台,实现了通过想象左、右手及左、右肩运动实时控制假肢抓取物体的目标及要求。利用该平台也可进行运动想象脑电的离线采集与分析。该平台可对信号采集方案与识别算法中的多个参数进行灵活选择与设置,并且,针对受试者之间存在的个体差异性,对各参数可依受试者的不同进行个性化设计。研究了多自由度假肢空间内随机目标物体的定位和抓取算法。将机器人控制原理引入假肢控制中,在对多自由度假肢进行运动学建模的基础上,设计了通过在假肢佩戴者头肩部设置激光测距传感器和姿态传感器进行假肢空间内随机目标物体定位的方法;针对所获取目标物体位姿信息不完整的问题,提出了基于空间遍历思想和BP神经网络的假肢关节空间参数求解方法,实际应用表明,该方法具有较好的求解效果,能保证假肢以合适的位姿运行至目标物体处进行抓取。