脑-机接口(BCI)是使人可以在跳过外围神经系统和肌肉的情况下,只需采集大脑发出的信号便可实现与计算机或者其他设备通信的系统。而诸如运动想象脑电信号(EEG)的主动式脑电信号分类又是脑-机接口系统中的重要问题。但目前运动想象脑电信号等应用仍然需要采集多通道的脑电信号并且识别准确度往往难以达到要求。而脑电信号处理过程中预处理、特征提取以及任务分类都会影响到整个分类结果。本文以运动想象脑电信号为研究对象,通过实验分析确定了最佳预处理方法,并提出了脑电信号的稀疏特征提取和正则化的判别分析方法,最终提高整个判别系统的分类性能。论文的主要工作内容如下:(1)通过查阅资料获取公开数据集,并自主设计实验获取到自主实验数据集,在这两种数据集下展开研究。信号的预处理往往对信号的分类有着重要的影响,为此,本文分别对两种数据集验证了不同方式的预处理方法,通过得到的结果选择较优的预处理手段对原始脑电信号进行了相应的滤波处理。(2)针对多通道脑电信号分类识别中各通道数据以及空间滤波器的数据选择方面往往缺乏有效的策略这一问题,提出了一种新的特征提取算法:稀疏共空间模式(SCSP)算法。采用稀疏共空间模式可以有效克服传统共空间模式(CSP)算法提取的特征向量空间会存在特征模式重复选取的问题,提取的特征差异更明显。在公开数据集第Ⅳ届BCI比赛数据集I上的实验结果验证了改进算法那的有效性。(3)针对传统线性判别分析方法无法处理的矩阵分解中遇到奇异值的问题,本文通过加入正则化参数形成正则化判别分析,克服了线性判别分析的不足并提高了分类任务准确度,在公开数据集第Ⅳ届BCI比赛数据集I和自主实验数据集上的实验结果都证明了改进算法的有效性。