在腦-機接口(BCI)中,為了提高小樣本學習運動想象腦電信號(EEG)的分類識別準確率,本文提出一種基于相關系數分析的特征選擇方法。針對2005年BCI競賽數據集Ⅳa中5位樣本數據,通過短時傅里葉變換(STFT)和相關系數的計算,降低了原始EEG信號的維數,然后進行共空間模式(CSP)特征提取與線性判別分類器(LDA)的分類識別。仿真實驗表明,運用相關系數分析的分類性能遠遠優于未經特征優化的結果,與支持向量機(SVM)的特征優化算法相比,相關系數分析方法能更好地選擇導聯參數,提高分類識別準確率。