當(dāng)人們想象單側(cè)肢體運(yùn)動(dòng)時(shí)， 對(duì)側(cè)的大腦感覺(jué)運(yùn)動(dòng)皮層區(qū)域會(huì)出現(xiàn) EEG 在特定頻率的幅值增加/減少， 這些現(xiàn)象稱為事件相關(guān)同步化/去同步化（ERS/ERD），這些具有空間特征分布的 ERS/ERD 通常作為輸入特征用于對(duì)運(yùn)動(dòng)想象分類， 是腦-機(jī)接口系統(tǒng)中常用的信號(hào)。由于 ERD/ERS 反映特定頻帶事件相關(guān)腦電能量，且其頻域特征分布隨時(shí)間變化。為了對(duì)信號(hào)進(jìn)行局部頻域分析，可以采用短時(shí)傅里葉變換，通過(guò)引進(jìn)滑動(dòng)窗函數(shù)，可以獲得非平穩(wěn)信號(hào)的時(shí)變頻域信息。包含空間和時(shí)間信息的二維 EEG 數(shù)據(jù)經(jīng)過(guò)短時(shí)傅里葉變換，由于又包含了頻率信息，成為三維數(shù)據(jù)。目前的大多數(shù)算法局限于二維分析，分析高維數(shù)據(jù)時(shí)，只有先把數(shù)據(jù)拆分為二維矩陣再進(jìn)行分析，這樣不僅增大分解結(jié)果的理解難度，且丟失了數(shù)據(jù)的結(jié)構(gòu)信息。而 PARAFAC 算法可以分解高維數(shù)據(jù)，使分解的結(jié)果容易理解，且能在很溫和的條件下保證分解的唯一性。本文采用短時(shí)傅里葉變換的方法， 對(duì)左右手運(yùn)動(dòng)想象 EEG 進(jìn)行變換，然后進(jìn)行 PARAFAC 分解提取特征，輸入基于高斯概率模型的分類器，實(shí)現(xiàn)對(duì)左右手運(yùn)動(dòng)想象 EEG 的分類。