脑机接口(Brain computer interface,BCI)是一种人与机器(如电脑)直接交互,而不依靠身体的神经、肌肉等,直接提取大脑信号传送到外部世界,控制外部设备的通讯系统。经过40年的发展,脑机接口已经开始从实验室的理论研究逐步运用于现实的生活领域。在基于运动想象的脑机接口(BCI)系统中,共空域模式(Common spatial pattern,CSP)算法是一种常用的空域滤波及脑电信号特征提取算法。虽然CSP在一定程度上能提取到脑电信号,但在源信号的采集和脑电信号的记录中CSP算法采用了严格的线性模式假设关系,使得CSP算法过分受限于受试者的原始记录参数,如信号时间段、滤波频带、电极通道数等,因而不能准确有效地描述大脑特征信号。为了匹配和适应受试者原始记录参数来提取脑电的特征信号,以达到改善CSP算法的性能,本文使用两种优化算法对受试者的电极通道数进行优化选择。一种是回溯搜索算法(Backtracking search optimization algorithm,BSA),另一种是二进制粒子群优化(Binary particle swarm optimization,BPSO)。另外,本文还介绍了两种常用的分类算法:支持向量机(Support vector machine,SVM),Fisher线性判别分析(Fisher line discriminant analysis,FLDA)。在导联的优化中,选择的导联数目由BSA和BPSO的性质决定。使用第三、四届BCI竞赛数据集进行了导联选择实验。实验结果表明:与全部导联使用相比,导联的数目大幅度减少,优化导联后取得分类正确率略有提高。