본 논문은 비침습적 신경 신호에서 운동 의도를 해독하여 외부 장치를 제어하는 것을 목표로 하는 뇌-컴퓨터 인터페이스(BCI)에 대해 연구한다. 특히, 운동 상상(MI) 기반 뇌파(EEG) 신호의 잡음과 변동성으로 인한 실제 적용의 제한을 극복하기 위해, 4-클래스 MI 분류를 위한 계층적 및 메타 인지적 해독 프레임워크를 제시한다. 이 프레임워크는 시간적 다중 스케일 표현으로 백본 특징을 재구성하는 다중 스케일 계층적 신호 처리 모듈과, 사이클별 신뢰도 점수를 할당하고 반복적 개선을 안내하는 내성적 불확실성 추정 모듈을 포함한다. EEGNet, ShallowConvNet, DeepConvNet의 세 가지 표준 EEG 백본에서 이 프레임워크를 구현하고, BCI Competition IV-2a 데이터셋을 사용하여 피험자 독립적 환경에서 4-클래스 MI 해독을 평가했다.
