脑-机接口是一种连接大脑和外部设备的实时通信系统，脑-机接口系统可以把大脑发出的信息
直接转换成能够驱动外部设备的命令，并代替人的肢体或语言器官实现人与外界的交流以及对外部
环境的控制。由于脑电（electroencephalogram, EEG）信号的复杂性和非平稳性，目前在线分析单次
脑电信号对信号处理和模式识别技术而言是一个挑战[1]。
当人们实际做或仅想象单侧肢体动作时（如左、右手动），大脑的感觉运动皮层会表现出EEG
的节律性活动（如μ、中心β节律），在9~13Hz（μ节律，主要来自中枢后躯体感觉皮层）和18~22Hz
（β节律，主要来自中央前运动皮层）两个频段的EEG 信号幅度将发生相应的改变。当幅度明显减
小时称为事件相关去同步（event-related desynchronization, ERD），而当幅度明显增大时称为事件相
关同步（event-related synchronization, ERS）[2]。在脑-机接口系统中，常将ERD/ERS作为输入特征。
一些脑-机接口特征信号分类方法，如基于μ节律概率模型的方法[3]，已经成功地用于左右手运
动想象脑电信号的单次训练在线分类任务。因为我们考虑到支持向量机是一种有效的分类器，可以
在特征简单和冗余的情况下得到很好的结果，所以在这里我们根据EEG 的μ和β节律变化
（ERD/ERS），采用Morlet 小波来在线提取脑电信号中的时频特征信号，再采用一种基于支持向量
机框架的方法对特征进行分类和以前判别信息的累积，以稳定地在线区别左右手运动想象脑电信号。
