脑机接口的目标在于建立一条连接大脑与外部机械设备渠道,使之可以交互沟通,以此协助无法通过正常神经感官路径进行行动的病人完成一系列简单或者复杂的动作,从而为残障人士带来提升生活质量和修复身体相关运动机能的希望。在这之中,一个有效且稳定的实验系统平台是脑机接口相关研究中的关键所在。若研究系统本身存在设计上的漏洞或无法长期稳定运行,那么其研究成果也将不具有说服力。与此同时,在成熟的脑机接口实验系统中,解码算法作为核心之一,同样扮演着至关重要的角色。近年来,诸多研究项目根据各自基于的脑机接口实验平台与编解码模型算法使得该领域的研究有了飞速的发展,同时也为本文所面向的主要问题提供了参考依据。越来越多研究证明,神经元的编解码特性呈非线性,即以往经典的线性模型不足以对神经元进行完整的描述。以基于非线性模型的解码算法可能给出更优实验效果为出发点,本文主要着手于寻找一种同时满足在线实验实时性和解码表现有效性的非线性解码算法并将其成功移植到本实验室的项目系统中。因此,本文所面向的主要工作可以总结划分为算法和在线实验平台两大部分。算法部分,本文通过对几种具有代表性的线性或非线性算法进行综述,从理论的角度阐述其各自的优缺点。再通过离线数据分析对比,综合考虑各类算法的解码效果与运行速率,最终选取基于非线性模型的解码算法-无损卡尔曼滤波算法(UKF)作为本项目的在线运行测试算法。通过将解码效果更优的UKF算法移植到系统之中,使得实验平台中可选择的解码算法种类得到扩充,并以在线实验效果展示的形式证明了非线性无损卡尔曼滤波算法具有符合在线实验条件的实时性与有效性,同时也提高了本实验室脑机接口实验平台的可选算法种类以及在线实验效果。平台部分,本研究基于实验室已有的仅能完成离线脑机接口实验且结构较为凌乱的初始版本脑机接口实验平台,该初始平台无法胜任当前在线实验的项目需求。因此,本文将其进行了结构梳理和模块优化,并完成了多种程序功能的系统拓展,使之能够完成在线脑机接口避障实验的功能需求。与此同时,将系统平台和外部设备机械臂实时连接,让机械臂能够在线实时协同被试完成对应的动作,真正意义上实现了被试在线控制机械臂进行避障实验的系统功能。