f、信号的处理方法：
BCI系统中的信号处理包括（信号采集、）信号预处理、特征提取、识别分类（、设备控制）等过程
传统的脑电信号分析方法是对信号进行多次检测并进行均值滤波，再用统计学的方法寻找EEG的变化规律。这种方法信息传输率低，也不能满足实时控制的需求。目前对EEG 信号的处理一般采用对单次训练信号进行研究。其中特征提取和识别分类是 BCI 信号处理最为关键的环节。
①、BCI中的特征提取方法：
特征提取就是以特征信号（一般是EEG得到的脑电信号）作为源信号，确定各种参数并以此为向量组成表征信号特征的特征向量。
特征参数包括时域信号(如幅值)和频域信号(如频率)两大类，相应的特征提取方法也分为时域法、频域法和时-频域方法。
时域法：
时域分析包括过零点分析、直方图分析、方差分析、相关分析、峰值检测及波形参数分析、相干平均、波形识别等，通过时域分析直接提取波形特征参数，然后将这些参数用于EEG的分类、识别、跟踪和瞬态分析。时域法特征提取方式是将特定的滤波方法与采样方式相结合，去除EEG信号中的时域噪声，提高信号的信噪比。其中，提取最多的是幅值特征和幅值能量特征。常用的滤波方法有带通滤波、拉普拉斯滤波、全导联平均参考法、卡尔曼滤波、移动平均滤波等。此外，连续或离散小波变换也常用于提取EEG信号的时变特征。
频域法：
EEG信号处理中常用的频域法有功率谱估计和参数模型法。功率谱估计是一种能够反映信号频率成分及相对强弱的频域分析方法，利用该方法对脑电信号各频段的功率和相干性进行分析，可得到信号的规律。参数模型法是现代谱估计使用最为广泛的一种方法，因其具有频率分辨率高、谱图平滑的特性，故能实现参数的自动提取和定量分析，特别适用于短数据处理，多应用于EEG的动态分析。频域特征通常利用功率谱密度PSD、自适应自回归AAR模型参数或小波频带能量来对其进行衡量，相应的提取方法主要有快速傅里叶变换FFT，AAR模型和小波变换等。
时频法：
EEG信号具有复杂、非平稳的特性，而且传统的时域和频域分析也具有信号处理的不确定性，因此研究者们把时域特征值与频域功率谱相结合，用于EEG信号的特征提取，其中维格纳分布与小波变换是目前较常用的时频分析方法。
①、维格纳分布WD：
是一种时频混合的信号处理方法，具有很好的时频分辨率和时频移特性，用于EEG信号的处理时可以得到不同时刻频率能量的分布规律。维格纳分布因其在时频域中有良好的对称性，故能实时反映EEG信号的时域分布和频域变化，但由于维格纳分布含有相交项的问题，该方法并不能很好地反应EEG的稳态特性。
②、小波变换：
是一种时频信号处理方法，是对EEG信号进行时频分析的良好方法，通过变换能充分突出信号的特征。对基波进行伸缩平移运算逐步实现多尺度细化，当小波基与EEG信号充分接近时，提取的EEG信号即为所需的特征向量。但小波变换不能均匀划分信号，因此在信号处理时会产生高频频带宽、低频频带窄的缺点。在缺乏先验知识的条件下，小波变换能有效检测出脑电信号中短时、低能量的瞬态脉冲，其最大的优点时采用可变的时频窗口去分析信号的不同频率成份。
特征提取还有一些其它的方法，如自回归(AR)模型进行脑电信号的特征提取，AR的系数ak就是线性回归模型的参数，也是代表信号特征的特征信号，改变这些系数，可以得到不同的特征信号。
独立成分分析(ICA) 。
这是一种多维统计分析方法，与脑电时、频分析方法有着本质的不同。多维统计分析方法的特点是能同时处理多道脑电信号，因此有利于揭示和增强脑电 信号中的隐含特征，在脑电消噪和特征提取等方面具有独特的效果。
共空间模式（CSP）组（CSPE）：
用来区分正常和非正常脑电，以确定非正常脑电（癫痫）的源分布。CSP的数学本质是运用正交变换和白化变换对两个矩阵同时对角化，找到两个矩阵的共同投影子控件，使得两个矩阵在该子空间变换的映射下方差差异最大。
传统的CSP方法只是考虑两类任务在空间上的投影具有最大的可分性，但其效果同时还受到频率滤波和脑电的非平稳性等的影响。为此，CSP方法出现了很多变形，以使CSP不仅具有空间滤波性能，同时也在时间域上得到优化，如：
i：空-频联合方法，
ii：结合流学习和核函数的方法
iii：引入更新模式适应脑电的非平稳性
iv：引入正则化方法提高算法的鲁棒性
通过共空间模式组CSPE方法以增加空间滤波的鲁棒性，主要思想是把随机子空间的思想融合到了分类器的联合中，即把多导电极按区域划分，划分后的子空间分别用CSP进行特征提取，最后分类结果由投票方式得到。能有效地克服CSP的不稳定性，能排除可能存在严重噪声的点击区域。
判决空间模式：
为了更好地提取运动相关电位MRP的空间特征，有了判决空间滤波模式DSP方法。
是Fisher线性判别分析思想在空间分析方面的拓展，在强调类间离差投影最大和类内离差投影最小的情况下获得空间滤波器。
DSP相比于CSP方法更适合于MRP这种波动性小（低频）的慢电位的幅度差异检测。如果联合CSP和DSP方法，分别提取ERD/ERS和MRP信息后再综合，可以达到比仅用DSP或CSP中的一个更好的单次脑电分类结果。
