脑—机接口（brain-computer interface, BCI）是一种使大脑能够不依赖于外周神经和肌肉通道，而与外部环境进行交互的系统。脑—机接口系统采集大脑的信号，通过信号处理算法进行分类，并将分类结果翻译成外部设备的控制命令。基于运动想象（motor imagery）的脑—机接口通过检测大脑想象不同肢体运动的脑电特征，完成分类和控制。运动想象作为一种由人主观进行的思维活动，不需要任何形式的外部刺激，应用范围较广，包括对于中风患者等具有运动功能障碍的患者进行康复训练也具有重要意义。现有的基于运动想象的脑—机接口系统在分类性能、任务设计等方面还有继续提高的空间，寻求进一步提高其性能的方法是一件富有意义的工作。本论文基于运动想象的神经生理学基础和目标特征，对目前几种常用的及最新提出的运动想象脑电特征提取和分类方法进行了介绍，通过实际的运动想象脑电数据集对它们的性能进行了离线的测试和比较，最终选用了共迭代时空模式（iterative common spatial-temporal patterns, ICSTP）结合支持向量机（support vectormachine, SVM）作为在线系统的特征提取和分类方法。基于离线的研究，本论文构建了一种运动想象在线脑—机接口系统，受试者通过进行左手和右手的运动想象，控制一个虚拟小球在水平方向上的运动。为了改善脑—机接口系统的性能，对其进行了任务异步化的改进，引入了新的任务和视觉反馈。通过受试者在线实验对系统进行了测试和验证，证明了系统的有效性。运动想象脑—机接口的一个固有缺陷是可识别任务种类少。为了解决这个问题，本论文通过引入运动起始时刻视觉诱发电位（motion-onset visualevoked potential, mVEP）这种新的范式与运动想象相结合，构建了一种不需要强烈视觉刺激的混合控制字符输入系统。系统通过运动起始时刻视觉诱发电位控制字符的输入，通过运动想象控制界面的开关和允许输入下一字符的控制。受试者无需借助任何非脑电的途径就可以完成对整个系统的操作。实验结果显示，经过一定训练的受试者能够较好地完成系统的操作，运动想象单步操作平均时间最短为3.9s，字符输入的正确率最高可达93.3%。