摘要：运动想象模式识别率的提高对脑机接口（BCI）技术的应用具有重要意义，本文采用自适应无参经验小波变换（APEWT）和选择集成分类模型相结合的方法提高脑电（EEG）信号的分类识别准确率．首先，通过APEwT将EEG信号分解成不同的模态；然后，使用最优模态重构后的信号计算其能量谱（ES）特征，使用最优模态分量计算其边际谱（MS）特征；最后，将不同时间段的ES特征和不同频段的MS特征输入到构建的选择集成分类模型中，从而得到其分类结果，并将该方法与其他4种组合方法进行比较．实验结果表明，本文方法具有较好分类准确率和实时性，其平均分类正确率高于其他4种方法，同时较近期使用相同数据的文献也有优势．本文为在线运动想象类BCI的应用提供了新的方法和思路．

关键词：自适应无参经验小波变换 选择集成分类模型 运动想象 脑机接口 

单位：燕山大学电气工程学院、河北省测试计量技术及仪器重点实验室; 秦皇岛066004