在对运动想象电位进行模式识别时,需要对原始信号进行滤波以提取信号中区分度较高的成分用于分类,而在噪声较为严重时,滤波方法会导致有用信息的丢失,从而降低分类正确率。针对该问
题,本文提出节律成分提取(Rhythmic Component Extraction, RCE)与共空子空间分解(The Common Spatial Subspace Decomposition, CSSD)相结合的特征提取方法,对提取的特征信息使用线性
分类器进行分类。采用该方法对2003年国际BCI竞赛数据进行识别,测试数据的分类正确率达到87.23%,比使用传统空间滤波方法进行特征提取时的分类正确率提高了6.8%,表明该方法可有效地应用于左
右手运动想象电位的识别。