本发明提供一种基于实施边界规避任务提高脑电唤醒度的方法，其通过建立“水杯‑球”动态复杂模型，在虚拟环境中实施有视觉引导的边界规避任务，收集受试者在完成边界规避任务过程中的脑电信号，以脑电分类精度作为衡量脑电唤醒度高或低的指标，将脑电数据划分为测试集和训练集，利用CSP算法对训练数据和测试数据进行特征优化，再利用优化后的训练数据去训练分类器，得到一个分类模型，最后用测试数据验证这个模型的分类性能，得到分类精度。利用本发明提出的方法，受试者参与度高，脑电携带特征更明显，受试者在训练试验次数更少的情况下脑电平均识别精度比运动想象任务更高，而且，在小样本情况下脑电识别效果依然较高。
