فناوری BCI و یا واسط مغز-رایانه کانالی برای ارتباط انسان با دستگاه های خارجی می باشد. این فناوری تنها با استفاده از سیگنال های مغزی فرد و بدون نیاز به دخالت دادن ماهیچه ها دستورات کنترلی برای دستگاه ها را فراهم می سازد. به همین سبب BCI برای افرادی که از ناتوانی حرکتی رنج می برند، مانند بیماران ALS و یا افرادی که دچار سکته و یا فلج مغزی شده اند، کاربرد دارد. BCI های تصور حرکت با استفاده از داده های به دست آمده از تصور حرکت توسط افراد مورد آزمایش و پردازش این سیگنال ها، اندیشه افراد را به دستورات کنترلی برای به حرکت درآوردن دستگاه خارجی مانند ویلچر و ... تبدیل می کنند. برای شناختن الگوهای مغزی افراد روش های استخراج ویژگی زیادی تاکنون ارائه شده است که در میان این روش ها، روش الگوهای فضایی مشترک و انواع آن، نتایج موفقیت آمیزی را ارائه داده اند. در این بررسی یک سیستم طبقه بند با استفاده از فیلترهای فضایی مشترک رگولاریزه شده پیاده سازی شده است. این روش با استفاده از مجموعه داده استاندارد Competition iv set 2a که شامل داده های چهارکلاسه می باشد، ارزیابی شده و نتایج به دست آمده با معیارهای دقت، تشخیص و کاپا ارائه شده است. میانگین کاپای به دست آمده برابر با 57/0 می باشد که نشان می دهد این روش در مقایسه با روش های بسیاری که شامل برندگان مجموعه داده نیز است، افزایش قابل توجهی داشته است.
