脑机接口（Brain Computer Interface,BCI）为大脑与外界的交互提供了一种新的方式。它是建立在不涉及周围神经及肌肉系统的情况下,通过对脑电信号的采集、识别及转化,使大脑信号直接传递给指定的外部设备,从而使人与外界环境的交流变得更为高效便捷。本文首先研究了基于稳态视觉诱发电位（Steady State Visual Evoked Potentials,SSVEP）脑机接口系统和运动想象（Motor Imagery,MI）脑机接口系统。然后,针对单一范式控制指令少、非自发性导致控制性能差等问题,提出了一种基于阈值判别方法的多模态脑机接口系统,将上述两种范式相结合,在拓展控制指令数量的同时也提高了脑机接口系统控制性能。最后,对现有传统的电动轮椅进行改造使其具有了通信功能,并结合所提出的多模态脑机接口系统,成功实现“脑控轮椅”。具体工作如下:（1）SSVEP-BCI研究。首先,分别采用信号发生器驱动LED灯方法和基于MATLAB的Psychtoolbox方法设计两种SSVEP刺激界面,并验证SSVEP脑电信号的特征。之后,对SSVEP分类算法展开研究包括典型相关分析（Canonical Correlation Analysis,CCA）和基于CCA的拓展方法,并基于自采数据比较三种算法的分类准确率和信息传输率。（2）MI-BCI研究。首先,设计MI实验范式,并验证MI脑电信号的特征。之后,对MI特征提取方法展开研究包括共空间模式（Common Spatial Pattern,CSP）和基于CSP的拓展方法,并基于自采数据比较三种特征提取方法的性能。（3）在上述工作基础上,将SSVEP和MI相结合提出基于阈值判别方法的多模态脑机接口系统。首先,由被试通过想象左/右手运动产生MI指令或通过注视刺激界面产生SSVEP指令;然后,通过阈值判别方法判断当前脑电信号类型;最后,对判别后的脑电信号再进行精确分类。（4）对现有摇杆控制的电动轮椅进行改造。使用STC89C51单片机作为主控芯片对轮椅进行控制,代替了霍尔摇杆控制器,并搭配BT04-A蓝牙模块使其具有了通信功能,能够接收上位机指令。结合提出的基于阈值判别方法的多模态脑机接口系统,成功实现“脑控轮椅”。