由脑卒中和脊髓损伤等原因导致的中枢神经系统损伤，造成下肢运动功能障碍患者的数量巨大。临床研究表明，运动康复治疗可以促进中枢神经系统的结构重塑和功能重组，进而改善肢体的运动功能。随着科技的进步，康复训练正在由传统治疗师手动辅助患者运动训练转变为采用智能康复机器人辅助患者进行康复。该方式降低了康复人力成本，缓解了治疗师资源紧张问题，同时提升了康复训练的一致性。研究已证明，患者参与训练的主动性对运动功能恢复和神经系统康复有重要的影响。基于运动想象的脑机接口系统(Motor Imagery-Brain Computer Interface, MI-BCI) 能反映人体自主运动意图，如何将MI-BCI 与康复机器人有效结合进而实现主动康复训练是康复前沿领域重要的研究方向之一。本文在国家自然科学基金和中国科学院战略性先导科技专项等项目的支持下，围绕下肢康复机器人训练策略和MI-BCI 关键技术等问题展开深入研究，主要工作和创新点如下：

1. 针对下肢康复机器人步态训练轨迹单一，缺乏对人体参数特征考虑的问题，提出了一种基于人体特征的个性化步态轨迹生成方法。首先，应用傅里叶级数对人体下肢髋、膝和踝三个关节的步态轨迹进行建模，降低计算复杂度；然后，设计基于最大相关性最小冗余度准则的特征重要性排序规则，选取影响步态轨迹的关键人体特征；最后，以随机森林方法为基础建立步态轨迹与人体特征的关系模型，进而根据患者个体特征，自动生成符合患者个体特征的个性化步态训练轨迹。与已有方法的对比结果显示，本文所提的步态生成模型精度更高，稳定性更强，泛化性能更好。

2. 针对脑电信号受噪声影响大、现有MI-BCI 识别率低等问题，提出了一种基于改进共空间模式算法和视觉反馈的闭环MI-BCI。采用分频技术处理脑电信号，获取更多有用信息；引入互相关熵诱导度量准则改进传统共空间模式算法的目标函数，提升算法的抗噪性能，并基于改进算法提取脑电信号的特征，用于提高识别准确率；同时，基于设计的虚拟场景构建了在线闭环脑机接口；然后，通过在线识别被试运动意图，根据识别结果为其提供视觉反馈，提升被试参与积极性，并通过在线实验验证了所提闭环MI-BCI 的有效性。

3. 针对现有MI-BCI 中被试难以有效执行运动想象任务等问题，提出了一种基于功能性电刺激(Functional Electrical Stimulation, FES) 和虚拟现实(Virtual Reality, VR) 场景的增强型MI-BCI。采用FES 刺激被试下肢肌肉以提供动觉引导，提高被试对所想象肢体的注意力；设计第一人称视角的VR 场景，提供视觉动态指引，形成多模态引导的脑机接口范式。然后，结合共空间模式算法、子频带滤波以及支持向量机设计识别模型构建增强型脑机接口。经过12 名被试的对比实验表明，所提技术可显著提高脑机接口的意图识别率和被试大脑运动皮层的激活度。

4. 基于研发的全周期下肢康复机器人，设计了水平行走和上楼梯训练策略，实现了基于表面肌电信号(surface electromyography，sEMG) 和MI-BCI 的主动步态训练。首先，提出一种重心动态调整的水平行走和上楼梯训练策略，设计了与康复机器人实时交互的沉浸式步态训练场景，并基于健康人和患者进行了临床验证；然后，提出了一种基于sEMG 的步态训练速度在线调节方法。根据人体在步态主动训练过程中下肢肌肉激活度情况，动态调节步态训练速度，提升被试主动参与水平的同时保证训练强度；最后，结合所提的MI-BCI 技术，以及所设计的康复机器人步态训练策略，实现了基于MI-BCI 的下肢康复机器人主动步态训练，并验证了所提方法的有效性。