刘 京，赵 薇，董泽浩，王少华，王 余

1.河北师范大学计算机与网络空间安全学院，石家庄050024

2.河北师范大学软件学院，石家庄050024

3.河北师范大学数学科学学院，石家庄050024

脑电图（electroencephalogram，EEG）是由Hans Berger 于1924 年首先检测到并命名，是测量电极和基准参考电极所采集得到电位的差值，是两个电极间大量神经元自发性、节律性放电的电位差的记录。EEG由于其简单、安全和低廉的优势而被广泛用于许多非侵入性脑机接口（brain-computer interface，BCI）系统的研究中[1]。BCI通过脑电信号和解码技术在人脑和计算机之间建立直接通路。早期的BCI 系统主要用于中风康复或改善残疾患者的生活质量，如控制电动轮椅[2]、文字拼写器[3]和假肢[4]等。近些年，BCI系统不仅仅局限于残疾患者，还被广泛应用于健康人群[5]。在不同类型的EEG信号中，运动想象（motor imagery，MI）脑电信号作为一种经典范例已经研究和开发了数十年。其生理学基础是，当人们用双手、双脚或舌头想象或执行动作时，在脑半球的对侧和同侧的感觉运动区域中，mu（8～12 Hz）和beta（16～26 Hz）节律的能量受到抑制或促进，即产生事件相关同步/去同步（ERS/ERD）现象[6]。

BCI 的关键问题是如何实现脑电信号的精确分类，尽管学者们在MI分类方面提出了许多方法，包括机器学习的方法和深度学习的方法，但是仍然面临着许多挑战。首先，之前的方法主要选择在感觉运动区域的电极（如C3、Cz、C4电极）记录的脑电信号，但不同身体部位的MI可能会激活大脑的不同功能区域[7]，所有的大脑功能区域都会对不同的MI 任务产生一定的影响，而不仅仅是感觉运动区域。……