濾波器組共同空間模式（FBCSP）

一般的共同空間模式（CSP）會最大化兩種運動想像類別之間的變異數比值，但其表現對於事前濾波所選的頻帶極為敏感，而最佳頻帶（通常落在 mu 8-13 Hz 與 beta 13-30 Hz 之內）在不同受試者與不同場次間各不相同。FBCSP 透過一組互相重疊的帶通濾波器（例如從 4 到 40 Hz 的九個 4 Hz 寬子帶）處理原始 EEG，於每個子帶內獨立套用 CSP，再從各子帶的 CSP 成分擷取對數變異數特徵，藉此免去人工選帶。

由於這會產生遠多於試驗數的特徵，FBCSP 會搭配一個監督式特徵選擇步驟，經典作法是以互資訊為基礎的選擇（MIBIF），只保留少數對類別標籤最具資訊量的頻帶與濾波器組合；接著再用如 LDA 等簡單分類器處理選出的特徵集。此流程贏得 BCI Competition IV（2b），並成為振盪型 BCI 的標準基準，用以與深度學習及黎曼幾何方法相互比較。