较低的信息传输率一直是二进制脑-机接口系统所面临的一个潜在的问题,并严重限制了它在实际生活中的应用。目前提高信息传输率的最有效的方法之一是将二进制的脑.机接口系统拓展到多分类情况。针对以上问题本文采用了两种适用于多分类情况的特征提取算法。　　 一种算法是基于共空域模式(CSP)的多任务特征提取算法。在两分类情况下,CSP算法是一种在基于运动想象的脑.机接口系统中非常有效的特征提取方法。传统的拓展方法OVR算法在本质上仍是一种两分类算法,而本算法是采用基于二次优化的近似联合对角化方法直接对多类任务的协方差矩阵进行联合对角化,得到与各类任务相对应的空间滤波器,提取各类任务的电生理特征--事件相关去同步(ERD)特征。另一种算法是基于独立分量分析(ICA)算法的特征提取方法。独立分量分析算法是一种用于盲源分离的统计方法,本文中采用一种典型的、当前应用较广的FastICA对各类任务提取独立分量并进行特征提取。最后,两种方法中均采用支持向量机对所构造的特征进行分类。　　 将两种算法分别用于三分类和四分类数据的仿真,仿真结果表明,基于联合对角化的CSP算法性能在精确度及稳定性方面都比传统的多分类CSP有很大改善,而应用独立分量分析的算法在多分类情况下也取得了满意的效果。