运动想象（motor imagery,MI）诱发的脑电（electroencephalography,EEG）信号包含了丰富的与大脑活动相关的节律信息。基于MI的脑机接口（Brain-computer interface,BCI）系统在医疗康复和神经工程等领域具有广阔的应用前景。目前,MIBCI的实际应用广泛受限于其过低的EEG信号解码准确率。空频分析方法基于空域和频域信息的优化,解码不同MI任务的脑电表征,能够有效提升EEG信号的解码准确率。然而,以空频滤波为代表的空频分析方法以二维信号表达的方式处理承载多维信息的EEG信号,无法充分利用EEG信号跨多维度的神经信息,难以精准刻画MI-EEG信号的多节律振荡特性,因而无法满足BCI系统对EEG信号高性能解码的需求。针对上述问题,本文基于张量理论,开展面向MI-EEG信号精准解码的空频分析方法研究。提出张量多节律同步的EEG分解模型及其计算框架,设计面向多维、多信息观测的EEG信号空频优化解码方案,挖掘运动想象EEG信号在多维依赖中具有任务区分度的判别节律信息和多节律同步幅值、相位信息以及幅相融合信息,实现MI-EEG信号的精准信息解读和特征刻画,与其它前沿方法相比具有更高精度EEG信号解码、维度可扩容等特点,不仅有效改善MI-EEG信号解码准确率低的问题,还为将来更高维度的EEG信号特征优化提供了基础技术框架。论文具体开展以下几个方面的研究:首先,开展运动想象脑电信号多节律同步的建模研究。针对运动想象脑电信号的多节律振荡特性进行研究,通过多节律同步描述脑电信号多种节律成分的同步活动及耦合,结合经典的张量平行因子分解模型解释性强和经典的张量Tucker分解模型灵活度高的优点,提出张量多节律同步的运动想象脑电信号分解模型,为设计面向多维的空频优化解码方案奠定基础。其次,开展运动想象脑电信号多维依赖的特征优化研究。针对非平稳EEG信号的节律活动难以准确量化的问题,提出基于频谱加权张量判别分析方法,基于费舍尔判别分析准则和残差迭代策略,挖掘EEG信号跨多维依赖中的一致性节律信息,优化MI-EEG信号在时空频维度关联下的具有任务判别性的特征,提升运动想象脑电信号解码的准确性。再次,开展运动想象脑电信号的多节律同步特性研究。提出张量空频耦合滤波方法,基于张量子空间学习和协方差矩阵同时对角化原理,联合优化EEG信号每一个导联的频率滤波器以及它们对应的空域滤波器,刻画运动想象过程多节律成分同步活动的空域特性,以最大程度利用EEG信号各导联上的节律信息为目标,提升MI-EEG信号的解码性能。最后,开展运动想象脑电信号多节律同步的幅相信息耦合研究。针对EEG信号的幅值和相位信息难以同时有效利用的问题,提出基于黎曼流形的共幅相测量方法,构建MI-EEG信号样本间关联的黎曼图,并基于黎曼图实现EEG信号的空频耦合滤波,有效综合张量维持数据多维结构信息的优点和黎曼流形保持样本局部结构信息的优点,提取EEG信号多节律同步的幅相融合信息,在任务分类阶段进一步将正则化的线性回归结合到黎曼距离的计算中,增强分类的鲁棒性。