在基于頭皮腦電(EEG)信號的腦-機接口(BCI)研究中, 用戶個體差異性和背景噪聲的復雜性是影響BCI系統穩定性的兩個主要因素。因此需要針對不同個體進行BCI系統參數優化, 其中包括對時域、空域濾波器參數的優化設計和分類器參數的學習。本文以提高BCI系統的準確性為目標, 提出了一種結合獨立分量分析空域濾波器(ICA-SF)優化設計和EEG多子帶特征的BCI信息處理新方法。基于所提方法, 對4位受試者在不同時間采集的三類運動想象EEG(MI-EEG)進行分析。實驗結果表明, 在同一受試者的自交叉測試和不同受試者數據集之間的互交叉驗證中, 多子帶特征結合方法所得到的平均識別率比僅使用單頻帶所得的平均識別率普遍提高, 識別率最大提升可達6.08%和5.15%。