脑-机接口(Brain-Computer Interface,BCI)技术能够在大脑与外部设备间建立起一条传输通道,从而实现人脑和外部世界的信息交流以及对外设的控制。该项技术在医疗康复、心理状态监测及军事等领域都有着广阔的应用前景。基于头皮脑电(Electroencephalograph,EEG)的BCI(EEG-BCI)是一种无创的BCI实现模式,相比植入式BCI,EEG-BCI具有更好的适用性。而头皮EEG在采集过程中极易受各种伪迹影响,由此而产生的低质量EEG训练样本会对EEG-BCI的性能产生不同程度的负面影响。在现有资料中,研究者提出了很多EEG伪迹消除方法,但不同类型的伪迹干扰对EEG-BCI系统的影响程度及其量化分析则少见报道。本文围绕运动想象BCI(motor imagery BCI,MIBCI)系统实现这一具体应用,对伪迹干扰的检测分类方法以及低质量训练样本对BCI系统性能的影响进行较全面地分析和研究,具体工作如下:(1)对三分类运动想象脑电信号(Motor imagery EEG,MI-EEG)及其分析方法进行介绍。根据来源和种类,对脑电信号中存在的伪迹进行了研究。介绍了独立分量分析(Independent Component Analysis,ICA)和共同空间模式(Common Spatial Pattern,CSP)两种空域滤波方法的原理,并对比了两种方法在伪迹分析中的应用。(2)提出一种基于独立分量分析的伪迹的发生次数记录方法。在对原始脑电信号的单次试验样本进行ICA分离后,根据时域、频域或空域等特征对分离出的伪迹进行识别分析,并对眼电伪迹(Electrooculogram,EOG)、工频脉冲(Power-line burst)、体动及肌电伪迹(Motion and Electromyography artifact)以及电极干扰(Electrode interference)这几种常规伪迹的发生次数进行记录和统计分析。在包含8位受试者共600个单次试验样本的数据下的统计结果表明,眼电伪迹、电极干扰以及工频脉冲出现的次数较多,分别出现了596,218以及243次,体动肌电伪迹出现了153次。其中,工频脉冲和电极干扰的出现与设备及实验环境有关,具有随机性;而眼电伪迹、体动肌电伪迹在运动想象数据段发生较少,在非运动想象数据段出现较为频繁。(3)提出一种基于盲源分离(Blind source separation,BSS)与空域滤波技术的伪迹影响分析与量化评估方法。并对基于ICA和CSP两种方法设计的滤波器在不同伪迹影响下的抗干扰能力进行分析和比较。量化结果表明,眼电伪迹虽然出现的次数较多,但是约77%的眼电伪迹对ICA-BCI几乎没有造成影响,85%的眼电伪迹对CSP-BCI几乎没有影响。而其它几种伪迹在对两种系统造成的影响要稍大,其中电极干扰的影响最为明显,约三分之二的电极干扰对两种系统都造成了一定的影响。另外,ICA-BCI系统受工频脉冲与体动肌电伪迹这两种伪迹的影响要略大于CSP-BCI。根据以上结果,在利用不同空域滤波方法进行BCI系统设计时,可根据受伪迹影响程度的不同,优先去除对系统影响较大的伪迹,次后去除影响较小的伪迹,从而提高预处理工作的效率。本文提出的伪迹影响量化方法可用于脑电信号采集过程中的伪迹避免,同时可为伪迹的去除提供一定参考,对于EEG的质量评估研究也具有一定的参考价值。