一种卷积流形注意网络模型解码脑电意图的方法

本发明公开了一种卷积流形注意网络模型解码脑电意图的方法，属于生物信号处理与应用领域，包括：构建运动想象意图解码模型，模型包括一个时空卷积模块、一个语义隐编码模块、一个变异隐编码模块和一个重构模块，用于提取脑电信号与类别相关的表示；计算运动想象意图解码模型的损失，损失包括编码的语义与变异隐因子间的希尔伯特‑施密特独立性准则损失、编码的时空特征与重构时空特征间的重构损失以及模型的数据、编码的隐因子与预测目标间的变分信息瓶颈约束，用于配合模型结构，约束模型在训练过程中的梯度变化；将多通道脑电信号输入到模型，从脑电信号中编码出表征运动意图的判别信息。本发明实现从跨域脑电信号中解码出受试者的真实意图。