在这项工作中，提出了一种基于右手运动图像的脑机接口。 这样的系统需要识别不同的大脑状态及其分类。 脑电图记录的大脑信号自然会受到各种噪音和干扰的污染。 通过实施不需要参考通道的自动方法“ Kmeans-ICA”来执行人工眼的去除。 该方法首先将脑电信号分解为独立分量。 然后使用Kmeans聚类（一种非监督的机器学习技术）来识别伪造的事物。 在信号预处理之后，实现了Brain计算机接口系统。 提取小波相干性，小波相位锁定值和频带功率的生理可解释特征被计算出来，并引入统计测试中，以检查松弛和运动成像状态之间的显着差异。 通过测试的要素将保留并用于分类。 进行留出交叉验证以评估分类器的性能。 比较了两种类型的分类器：线性判别分析和支持向量机。 使用线性判别分析，使用Kmeans-ICA去除人工眼后，分类准确性从66％提高到88.10％。 所提出的方法优于最新的特征提取方法，即μ节奏带功率。
