脑科学是21世纪的前沿科学之一,21世纪也被称为“脑的世纪”。脑机接口技术是脑科学研究领域的重要组成部分,它不仅拉近了人类与机器智能之间的距离,同时在脑功能疾病或者是神经康复领域的研究中具有重要的临床意义。本文主要的研究方向是基于运动想象的脑机接口,主要内容为单通道运动想象脑电分类方法研究,包括脑电特征提取,脑电的分类等关键技术的研究。具体工作方法和成果如下。(1)实现了单通道脑电的特征提取与分类。采用共同空间模型算法作为主要的特征提取方法,由于共同空间模型在处理单通道脑电数据时的局限性,利用短时傅里叶变换将脑电数据分解为二维的时频矩阵,以使得共同空间模型算法在单通道的脑电特征提取上获得较好的表现,并结合支持向量机作为主要的模式识别方法。(2)研究一种数据筛选算法并用于单通道脑电的分类。通过采用基于近似联合对角化的数据筛选方法对用于训练的脑电实验样本进行质量评估,使得低质量的样本在计算过程中获得较低的权重,从而达到提高系统性能的目的。通过实验结果的对比,加入数据筛选算法后的实验结果比加入之前的实验结果在一定程度上获得了改善。(3)提出了一种加强的单通道脑电数据筛选方法。考虑到实验过程中的不确定因素可能导致一些无效的实验数据,但是这些实验数据在经过数据筛选后仍然对实验结果产生一定的影响,于是本文提出了加强的数据筛选方法,即适当剔除一些低质量的实验数据来获得更好的实验结果。通过实验结果对比,各个通道在剔除适当的实验数据后,平均分类准确率提高2个百分点以上。(4)研究了时间尺度和频率成分对于分类结果的影响。在频率成分的研究上,分别研究α波、β波、α波加β波及全波段的分类结果,实验结果显示,α波加β波获得了较高的准确率,验证了运动想象过程中的事件相关同步与去同步现象主要是α波和β波共同作用的结果。在时间尺度的研究中,将不同频段的4s脑电数据拆分成1s和2s分别进行研究,实验结果显示,事件相关同步与去同步现象主要发生在4s运动想象的前半时刻。