腦機接口(BCI)是在人或動物腦與外部設備間建立的直接連接通路,信號分析功能模塊是其核心部分,其中特征提取算法的效果如何是腦電圖(EEG)信號分析算法的關鍵。EEG信號本身信噪比低,傳統的EEG特征提取方法存在著缺少空間信息,需要的特征量個數較多,分類正確率低等不足。針對以上問題,本文提出了一種基于小波和獨立分量分析(ICA)的時間-頻率-空間EEG特征的提取方法,分別用離散小波變換(DWT)和ICA提取時頻域特征和空域特征。并用支持向量機(SVM)和遺傳算法(GA)相結合的方法對提取的特征進行分類。實驗對比結果表明,所提出的方法有效地克服了傳統的時頻特征提取方法空間信息描述不足等問題,對于2003年BCI競賽數據dataset Ⅲ分析,最高分類正確率為90.71%。