本文首先研究對比AMUSE、SOBI、JADE、FastICA四種典型盲源信號處理算法提取腦機接口(BCI)中四種運動想象腦電源信號(想象左手、右手、腳和舌)的分類識別正確率。之后從時間和空間兩個角度,組合應用兩種盲源信號處理算法,解決特征提取時腦電信號微弱、不平穩和極易受到各種干擾的問題。研究結果表明:通過組合SOBI和FastICA算法,能夠提取出比較微弱的想象運動源信號,并且能夠在一定程度上消除外部干擾的影響,有利于進一步研究大腦在運動控制過程中的腦電生理機制,提高BCI系統的實際應用能力。