系统采用滤波器组共空间模式（FBCSP）提取特征，并在BCI Competition IV Dataset 2a上按受试者依赖的范式比较了支持向量机（SVM）、k近邻（KNN）和线性判别分析（LDA）三种分类器。五折分层交叉验证结果显示，SVM取得最高的平均准确率90.7%（±2.6%），Cohen’s Kappa为0.876（±0.035）。
分类器随后在一个独立的、此前未见过的数据集上，通过基于回放的硬件在环（HIL）方法进行评估，准确率为85.9%。研究还加入了一个基于置信度的指令校验环节：在被系统接受的预测中，准确率提升至97.6%，但这一部分只占全部指令的60.7%。
分类器的输出与一台物理差速驱动轮椅原型机相连，该原型机采用基于编码器的闭环转向控制方案。为约束残余分类不确定性带来的后果，系统集成了多层安全策略，包括置信度门控、转向自终止、切换制动、通信超时监控以及硬件紧急切断。研究结论认为，在运动想象解码可靠性尚不完美的情况下，把分类、指令校验与嵌入式安全设计结合起来，可以形成一套稳健、可用的脑电轮椅控制框架。