1、腦-機(jī)接口是一種不經(jīng)過(guò)傳統(tǒng)的神經(jīng)肌肉通道傳輸，直接將大腦與外界設(shè)備相連，通過(guò)軟硬件設(shè)備結(jié)合將腦電信息轉(zhuǎn)化為對(duì)外控制命令的通信系統(tǒng)。但是腦電活動(dòng)信號(hào)在人與人之間，甚至是相同受試者在不同時(shí)間都會(huì)高度變化，這嚴(yán)重制約了腦-機(jī)接口技術(shù)在實(shí)際中的應(yīng)用。因此需要研究一種全自動(dòng)的EEG分類(lèi)系統(tǒng)，而該系統(tǒng)最復(fù)雜之處在于EEG信號(hào)在特征提取之前時(shí)間段和頻帶的選擇問(wèn)題。為此，本論文提出兩種方法來(lái)選擇受試者各自最優(yōu)的時(shí)頻間隔，以提升腦-機(jī)接口應(yīng)用中EEG信號(hào)

2、特征提取的有效性。
　　 第一種方法是小波包分解與共空域模式結(jié)合的方法。原始EEG信號(hào)經(jīng)過(guò)8-30Hz濾波之后，經(jīng)過(guò)小波包分解和重構(gòu)，再將重構(gòu)信號(hào)通過(guò)CSP算法進(jìn)行特征提取。其主要?jiǎng)?chuàng)新點(diǎn)在于多通道數(shù)據(jù)進(jìn)行小波包分解之后，通過(guò)自適應(yīng)方法選擇某些重要子空間的分解系數(shù)進(jìn)行重構(gòu)，以達(dá)到個(gè)性化頻帶選擇的目的。通過(guò)三種不同頻帶選擇方法，對(duì)6組基于兩分類(lèi)運(yùn)動(dòng)想象的BCI進(jìn)行處理數(shù)據(jù)，結(jié)果顯示該方法得到最優(yōu)的分類(lèi)結(jié)果，驗(yàn)證了該方法的可行性及有效

3、性。
　　 第二種方法是采用滑動(dòng)窗對(duì)多類(lèi)腦電數(shù)據(jù)進(jìn)行分析，自動(dòng)得出每個(gè)受試者對(duì)分類(lèi)起重要作用的時(shí)間段、頻帶及分類(lèi)結(jié)果。子數(shù)據(jù)段處理方式比較簡(jiǎn)單，采用的共空域模式算法進(jìn)行特征提取和KNN分類(lèi)器進(jìn)行分類(lèi)。通過(guò)對(duì)第四屆國(guó)際BCI競(jìng)賽數(shù)據(jù)集Graz Dataset2a的9個(gè)數(shù)據(jù)進(jìn)行三分類(lèi)和四分類(lèi)實(shí)驗(yàn)，分別得到組內(nèi)間單獨(dú)數(shù)據(jù)T(E)交叉驗(yàn)證和組外間T(E)到E(T)傳輸兩種情況下的最佳分類(lèi)正確率、時(shí)間段及頻帶。實(shí)驗(yàn)結(jié)果不僅驗(yàn)證了個(gè)體間及相