뇌-컴퓨터 인터페이스(BCI)는 뇌와 외부 세계를 연결하여 직접적인 소통 채널을 제공합니다. 본 연구는 운동 기능과 관련된 인지 패턴을 반영하는 뇌파(EEG) 신호를 기반으로, 특정 뇌 영역에 기반한 채널 선택과 다중 도메인 특징 융합을 통해 분류 정확도를 향상시키는 혁신적인 방법을 제안합니다. 제안된 방법은 운동 상상(MI) 작업과 관련된 특정 뇌 영역에 따라 EEG 채널을 그룹화하여 관련 없는 채널을 제거하고, 데이터 차원을 줄여 계산 효율성을 높입니다. Common Spatial Pattern (CSP), Fuzzy C-means clustering, Tangent Space Mapping (TSM)의 세 가지 특징 추출 방법을 각 뇌 영역에 적용하여 특징을 추출하고, 추출된 특징 벡터를 Support Vector Machine (SVM)을 사용하여 MI 작업을 분류합니다. BCI competition III 및 IV의 공개 벤치마크 EEG 데이터 세트(IVA 및 I)에 대한 검증 결과, 제안된 방법은 기존 방법보다 우수한 성능을 보이며, 각각 90.77%와 84.50%의 분류 정확도를 달성했습니다.
