脑机接口是一种使大脑可与外界环境直接建立联系的控制技术,其实现过程无需借助外围神经及肌肉组织,只需将大脑进行相应思维时产生的电活动通过一定的解码转换成对应的控制命令,以实现与外部环境进行信息交流。脑电信号(Electroencephalography,EEG)能够综合反映大脑的功能状态以及大脑思维电活动,是用于研究脑机接口技术使用最多的工具。目前针对单一模式EEG信号的脑机接口研究居多,最常见的为基于运动想象ERD/ERS(Event Related Desynchronization/Synchronization)。ERD/ERS作为自发式脑电具有很强的随机性和非平稳性,且存在特征信息较为单一,产生现象不明显,可区分性较差等问题。针对于单一模式简单运动想象脑机接口存在的这些问题,本文提出了一种复杂的运动想象思维任务模式,将运动想象与某些特殊思维任务融合的新型混合脑机接口,用特殊思维任务代替简单的运动想象任务,增强ERD/ERS生理现象,提高系统性能。本文具体研究内容如下:首先,对比研究了典型的基于EEG信号的脑机接口系统,针对单模式系统较强的局限性及针对性,对混合模式展开了研究探索,并在混合模式脑机接口系统的基础上,以简单运动想象ERD/ERS模式为研究对象,针对其存在的特征信息较为单一,ERD/ERS生理现象产生不明显,可区分性较差等问题,提出将运动想象与思维任务融合的新型复杂混合脑机接口。其次,针对ERD/ERS模式的EEG信号,设计了几种常见的特征提取方法及模式识别方法,包括自回归模型、共空间模式滤波器、贝叶斯分类器、Fisher线性分类器以及稀疏表征分类方法,将各个特征提取方法与分类方法进行两两组合,对基于运动想象ERD/ERS的脑电竞赛数据进行测试处理,并对分类结果进行了对比,找出更为适合处理ERD/ERS模式的EEG信号的方法,以便利用该方法实现对复杂混合模式EEG信号的处理。最后,对提出的新型复杂混合模式进行了系统设计,包括受试对象,实验范式以及EEG信号采集等。同时,为了便于对提出的复杂混合模式进行有效性验证,设计了简单运动想象模式作为对比实验,利用设计的特征提取与分类算法对两种对比模式进行处理。实验结果表明,本文提出的基于运动想象与特殊思维任务融合的复杂混合模式的脑机接口性能要优于单一的简单运动想象模式。