利用神经信号控制假肢,以替代高位截肢患者或恢复脊髓损伤患者的运动功能,是目前研究前沿热点之一。与基于侵入式神经信号的脑机接口相比,一种非侵入式脑电信号,即以脑电图(Electroencephalography,EEG)为基础的脑机接口将更广泛地被上述患者人群所接受。理想状态下,实际应用需要实时连续的神经假肢控制。然而,传统的基于EEG的脑机接口技术主要进行离散的大脑活动分类。直到最近,相关文献报道了通过EEG解码记录的连续运动参数(如速度、位置等)来实现连续的实时控制,并且大量报道了低δ波段EEG可以对连续的运动控制信息进行解码。但以往的研究大多依赖于脑电信号这种慢振荡的幅值来建立模型解码运动参数,而最近的研究则表明低频的侵入式脑电信号其瞬时相位可成功实现更准确的运动控制解码和感知反映,受此启发,研究基于非侵入式脑电信号相位特征用于解码二维手部运动参数的性能。本研究以五名健康受试者为研究对象,在二维平面采用由中心向四个方向伸展的方式,分两期进行分析。在已知可表达运动执行信息的代表性通道上,分析表明,与低δ脑电幅值特征表示相比,低δ脑电相位特征具有更高的信噪比和更强的运动任务调制性能。此外,我们使用两种常用的线性解码模型(即多元线性回归和卡尔曼滤波)。结果表明,与基于幅值特征的解码器相比,基于低频的相位的解码器具有更好的二维运动重建性能,同时也优于基于其他频段和功率的解码器,展现了所提方法在神经假体连续运动控制应用中的潜力。肌电信号包含了丰富的肢体运动、屈伸力、关节扭矩等信息,肌电信号(Electromyography,EMG)已经被广泛作为一种生理反馈信号应用于外部电源设备的控制。因此,从脑电信号中解码肌肉活动(即滤波后肌电信号的时域特征),不仅为帮助高位截肢患者或脊髓损伤患者实现对外部辅助设备的运动控制提供了可能,也为提供力控制提供了可能,从而有利于开发出类似健康人对外部设备可进行运动和力双重控制的新型脑机接口。首先本文设计了离散手势实验和握力实验,同步记录两种实验下的产生的肌电信号和脑电信号。之后对信号预处理,获取肌电信号时域特征,并比较了线性解码模型(多元线性回归)和非线性解码模型(BP神经网络、回声状态网络、XGBoost)的解码性能,结果表明在两种实验情境下,非线性解码模型XGBoost具有更优秀的解码性能。最后,本文比较了原始脑电信号、肌电信号、解码肌电信号在手势识别和握力实验的分类性能,实验结果表明所提方法解码出的肌电信号相较于原始脑电信号,能够有效提升对手势及握力的识别率,展现了所提方法在神经假体力控制应用中的潜力。