考虑到严重运动功能障碍患者中的大多数人仍具有正常的大脑功能,许多上肢假肢控制以脑电信号作为信息源,感知大脑对肢体动作的运动意图。眼电信号应用广泛,可由人类发起目标动作的自主选择,控制眼睛动作。为了提高脑机交互设备的识别率,增加控制外部设备自由度,本文设计了结合脑电信号和眼电信号两种不同生物信号的系统方案。本文的主要研究内容包含两个方面:一方面是对脑电信号的模式识别的分析,另一方面是对眼电信号所包含眨眼信息的特征提取、分析和研究,进而将两类生物信号结合在一起。人脑在执行想象肢体动作任务时,会出现事件相关同步和事件相关去同步特征,针对这两类运动想象脑电信号,设计并实现了两类脑电信号的采集;预处理部分选取带通滤波器和小波阈值去噪方法,对滤波效果进行了分析;基于脑电信号的特点,对FC5、FC6导联的时频信号特性分析的。实验结果说明,使用希尔伯特的方法对脑信号进行特征提取,能够有效提取两类想象运动的运动特征。在模式识别方面,从分类识别率和最大受试者工作特征曲线下面积作为评价标准,对比三种模式识别的分类性能,最终选用支持向量机作为对脑电信号的分类识别方法。本文对眼电信号的处理主要是根据信号典型波形特征识别不同模式下眨眼动作,为了将不同模式下的眨眼动作区分开,以眼睑闭合的持续时间和幅值作为评判标准。眼电信号的识别通过设计一种基于数学形态的阈值检测算法进行的。在眼电数据滤波处理后,给出了峰值检测计算方法,最后对提取到的峰值点逐个进行阈值检测。从实验结果可以看出,阈值检测方法对眼电信号分类识别非常有效,解决了眼电信号在人体运动意图识别的关键问题。最后设计了适合识别人体运动意图的结合脑电和眼电信号脑机接口的系统方案。本文主要研究了在眼电辅助下,对脑电信号的控制命令进行确认和取消,从识别结果来看,这种结合眼电、脑电信息识别人体上肢运动意图的方案是可行的。