摘要：共同空间模式（Common spatial pattern，CSP）是运动想象脑机接口（Brain-computer interface，BCI）中常用的特征提取方法，但对多类任务的分类正确率却明显低于两类任务．通过引入堆叠降噪自动编码器（Stacked denoising autoencoders，SDA），提出了一种多类运动想象脑电信号（Electroencephalogram，EEG）的两级特征提取方法．首先利用一对多CSP（One versus restCSP，OVR-CSP）将脑电信号变换到使信号方差区别最大的低维空间，然后通过SDA网络提取其中可以更好表达类别属性的高层抽象特征，最后使用Softmax分类器进行分类．在对BCI竞赛IV中Data-sets2a的4类运动想象任务进行的分类实验中，平均Kappa系数达到0．69，表明了所提出的特征提取方法的有效性和鲁棒性．

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社