据统计，我国老龄人口现已超过1.8亿，且每年以近800万的速度增加，老龄化形势日趋严重。脑卒中(俗称“脑中风”)是一种突发性脑血液循环障碍性疾病，是老年人健康的最大威胁之一。患者多数伴有偏瘫或肢体运动功能障碍，生活极其痛苦和不便，给家庭和社会带来了沉重的负担。如何帮助这些患者进行有效康复治疗是当今社会亟待解决的问题，也是人工智能、康复工程等多交叉学科的研究热点。脑机接口(Brain-Computer Interface，BCI)是一种不依赖于大脑外周神经与肌肉组成的正常输出通路的通讯控制系统，而运动想象(Motor Imagery，MI)能够促进受损伤的运动传导通路修复或重建，使部分处于休眠状态的突触苏醒过来并担当起代偿的作用。因此，将BCI技术融合运动想象任务(MI-BCI)可诱导并促使大脑的神经可塑性，激发患者的主动运动意愿，从而实现对偏瘫患者的主动康复治疗。本文以手臂运动功能康复为目标，对手臂伸/屈运动想象脑电信号采集实验方案的设计、眼电伪迹的自动去除、特征的自适应提取、导联优选及手臂康复在线系统的设计与研制等内容展开深入研究，取得的主要研究成果如下：(1)基于离散小波变换(DWT)与独立分量分析(ICA)的眼迹去除方法针对脑电信号在实际采集时受眼电干扰较大，提出一种快速且自动去除眼电伪迹的方法(DWICA)。将DWT与ICA相结合，并引入夹角余弦法准则自动识别眼电伪迹成分；进而基于脑电与眼电信号间的双向激活特性，构造混有眼迹的脑电实验数据；并以均方误差、时间消耗及功率谱等指标对DWICA去除眼迹的效果给以定量评价。实验结果表明，DWICA不仅抗噪能力强、收敛速度快、实时性好，且极大地提高了脑电信号的信噪比，为其在康复系统中的在线预处理奠定基础。(2)基于希尔伯特黄变换(HHT)和共空域子空间分解(CSSD)算法的多域融合自适应脑电特征提取方法运动想象脑电随着时间的推移和康复训练的进行将发生很大改变，为此，提出一种多域融合自适应特征提取方法(HCSSD)。首先，定义一种相对距离准则衡量各电极的识别贡献度，以优选脑电极组合；其次，基于HHT计算优选导联处脑电信号的Hilbert瞬时能量谱和边际能量谱，以获取脑电的时-频特征，并基于CSSD提取空域特征；进而采用串行特征融合策略得到脑电的时-频-空特征；最后，设计了学习矢量量化神经网络分类器。对标准数据库提供的左手小指/舌头运动想象ECoG数据进行了识别和分析，在训练集与测试集间隔一周且导联数量大幅减少时，平均识别率为92%。实验结果表明：HCSSD在增强特征提取方法的自适应性、改善实时性的同时，提高了脑电信号识别准确率，为BCI系统在康复领域的应用创造了条件。(3)基于运动想象的脑电信号采集实验设计为了将MI-BCI康复研究进一步推向实际应用，自行设计左手小指/舌头和同侧手臂伸/屈两种运动想象脑电采集实验方案，采用Win32窗体应用程序和g.MOBIlab+脑电仪的C API函数，结合OpenGL完成脑电信号采集软件设计，实现脑电数据的实时采集；并采用DWICA及HCSSD方法对实测脑电数据进行离线处理和分析，验证了上述方法的正确性；进而基于神经生理学理论，从时间、频率、能量等多个角度探索同侧手臂伸/屈运动想象脑电的共同特点及个体间的差异性，为MI-BCI手臂康复系统的设计和在线实现奠定基础。(4)面向手臂运动功能康复的MI-BCI在线系统设计在上述研究成果的基础上，设计和研制了面向手臂运动功能康复的MI-BCI在线系统。详细研究了EEG实时采集模块、在线处理模块、机械手臂及其控制模块等系统组成，利用matlab和C语言混合编程及多线程技术完成对脑电信号的实时采集与处理软件编制，并采用基于ARM9的S3C2440A处理器构建机械手臂控制系统，基于请求响应模式设计控制模块与PC机间的通讯协议，实现手臂伸/屈运动想象EEG对机械手臂伸/屈运动的在线控制。实验结果表明MI-BCI康复系统的可行性，展示了其在康复领域潜在的应用价值。本文研究成果在提高BCI系统的可靠性和自适应性等方面具有积极意义，为实现MI-BCI系统在康复领域的实际应用打下坚实的理论和实验基础。