摘要：基于腦電的腦機交互能幫助肢體運動障礙患者進行日常生活和康復訓練,但是,由于腦電信號存在信噪比較低、個體差異性大等問題,導致腦電特征的提取與分類還需要進一步提高準確性和效率.因此,在減少腦電采集通道數目、增加分類數目的前提下,基于卷積神經網絡對運動想象中的腦電信號進行分類.首先,基于已有方法進行探索實驗,建立由 3層卷積層、3層池化層和 2層全連接層構成的卷積神經網絡;然后針對想象左手、右手、腳的運動和靜息態設計與開展了實驗,獲取了相關腦電數據;之后,利用腦電數據訓練出基于卷積神經網絡的分類模型,測試結果表明,該模型平均分類識別率達到了 82.81%,且高于已有的相關分類算法;最后,將已建立的分類模型應用于運動想象信號的在線分類,設計與開發了腦機交互應用原型系統,驅動人-機器人之間的實時交互,幫助用戶利用運動想象控制仿人機器人的抬手、前進等運動狀態.進一步的測試結果表明,機器人對用戶控制命令的平均識別率達到了 80.31%,從而驗證了所提方法可以對運動想象腦電數據進行較為精確的實時分類,可以促進腦機接口技術在人-機器人交互中的應用.