脑-机接口提供了一种全新的通信方式,它能够实现人脑与外部环境的直接通信,可以帮助残障人员重新与外界交流,也能为某些领域提供特殊的控制方法并为探索人脑奥秘提供全新途径。它涉及众多研究内容,其中对脑电信号分类方法的研究是一项非常重要的课题。在对脑电信号进行分类时,目前通常使用的方法是:先确定信号中区分度最好的部分,之后再对它进行分类。这种方法虽然可能在统计分析得出的时间段上会得到较好的分类结果,但是却会因为丢失该时段之前的信号中所包含的重要信息,而在实际应用中效果不佳。因此,本文提出了一种基于知识累积的脑电信号分析方法,它通过两方面的措施克服传统方法中存在的问题:其一,提取特征前用不同尺度的窗截取信号。其中各个窗的起始点相同但窗长会随着时间的增长而变长,以避免在对后续时间段上的信号进行分析时,因未考虑与之前信号的相关性而丢失数据中所包含的原始信息。之后分别对每个窗口提取特征,并对信号进行分类。本文将各个窗口的分类情况作为系统获取的信号类别知识;其二,在对信号进行最终的分类判决时依次对获取到的类别知识进行累加,并根据累加的结果得到对信号的最终判决。这里采用的知识累积法能够结合多个窗口的分类情况,从而矫正窗口在独立情况下的判决结果,实现的更好分类。提取特征前,本文采用公共空间模式(CSP)方法对原始数据做预处理。它作为一种有效的脑电信号分析方法被广泛的应用在脑-机接口等脑电信号的研究中。但是它是一种基于多通道的脑电信号处理方法,在通道数较少的情况下性能会受到很大的限制。针对这一问题,本文采用将谐波小波包分解与CSP相结合的方法对脑电信号进行分析。其中谐波小波包分解与二进小波包分解原理类似,可以实现对信号的多层分解。而且它能够直接将其分解到特定层,并且没有数据损失,即每个频带的数据长度与原始数据长度一致。因此,本文首先通过谐波小波包分解将每个通道的数据分解到多个频段上,并将它们作为新的通道数据运用CSP方法进行处理。这样不仅可以解决CSP方法在少电极脑电信号分析中存在的问题,而且还通过实现对信号的多频带划分达到对信号频带信息的充分利用。之后,本文主要对处理后的数据提取Hjorth参数以及基于CSP的特征用于分类。最后,本文在两届国际脑-机接口竞赛的数据集上对提出方法进行了验证。实验结果表明,本方法不仅优于竞赛中优胜组的分类结果,而且相对于当前主要的方法也取得了较好的识别结果。说明本文提出的方法可以充分利用信号中的各类信息,以及对历史分类知识的累积,达到较高的分类性能并具有高的鲁棒性。