基于运动想象的脑机接口（BCI）系统在医学康复领域得到了广泛应用，但随着想象任务的增加，分类精度将急剧下降。为了提高个体多类运动想象脑电信号（EEG）的识别精度，本文设计了一个汉字无声阅读（4个汉字）的运动想象实验范式。脑电信号通过两种方式进行提取和分类：公共空间模式（CSP）+Fisher分类器和卷积神经网络，以验证额外静默阅读对分类精度的影响。结果表明，附加静默阅读的运动想象任务的平均分类准确率（37.78%3.46%）优于单纯运动想象任务（39.73%3.15%），P>0.05。卷积神经网络（CNN）静默阅读运动想象任务的分类准确率（59.13%2.95%）显著高于单纯运动想象任务（62.60%2.41%），P<0.01。因此，本文提出的基于汉字默读的运动想象实验范式可以在受试者想象运动时获得更稳定的脑电信号，从而提高BCI分类精度，为BCI范式的优化提供依据。