摘要：在与运动相关的脑一机接口（Brain—Computer Interface，BCI）研究中，如果样本规模小，共同空间模式（Common Spatial Patterns，CSP）滤波算法对离群点（可能为噪声）敏感，鲁棒性不好。为此该文提出自适应空间滤波（Adaptive Spatial Filter，ASF）算法，抽取滤波后脑电信号的方差作为特征，并寻找最优滤波器使两类特征中心的比值最大。与CSP不同，ASF是迭代算法，具有软判决机制，能够依据历代更新后的滤波器，自适应地降低离群点对各类特征中心计算带来的影响。采用BCI competition 2003和2005中两套数据集进行实验，结果表明：尤其是在训练样本少的情况下，相对于CSP，ASF所提取的特征分类效果更好。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社