本文介绍了一种在脑-机接口（BCI）竞赛IV中用于从皮层脑电图（ECoG）信号预测手指屈曲的获胜方法。近年来，基于ECoG的BCI系统受到了研究社区的广泛关注。事实上，与传统的脑电图（EEG）记录相比，ECoG能够提供更高的空间分辨率和更优的信号质量，且更适合长期使用。这些特性使得ECoG能够更精确地解码脑部活动，从而实现高效的基于ECoG的神经假体系统。在BCI研究中，信号处理是一项至关重要的任务，其目的在于将脑电信号转化为控制指令。本文提出了一种基于特定频段ECoG信号幅值调制的线性回归方法，并引入短期记忆机制以实现对单个手指屈曲的预测。该方法的有效性在BCI竞赛IV的第四数据集上得到了验证，其预测值与实际记录的手指屈曲值之间的相关系数达到了最高水平。