FastICA是独立成分分析法(ICA)中的一种快速算法,因其收敛速度快而备受关注。本文将基于负熵判据的FastICA算法应用于运动想象脑电信号的识别中,并根据ICA算法的特点设计了数据处理的实验流程。针对2003年国际BCI竞赛data set III中通道数较少的问题,提出一种通道扩维算法,在不增加采集电极数的情况下,可成倍地增加相似通道的数量,提供更丰富的脑电信息。将通道扩维与 FastICA算法相融合应用于国际BCI竞赛数据的处理中,实验结果表明通道扩维算法提升了FastICA算法的分类准确率,同时 FastICA算法处理信息速度较快的特点也弥补了通道扩维算法耗时较多的缺陷。