一种基于多尺度特征提取与自适应特征融合的运动想象脑电信号分类方法

本发明公开了一种基于多尺度特征提取与自适应特征融合的运动想象脑电信号分类方法，简称EEG‑MAFENet，属于脑机接口领域。EEG‑MAFENet的提出是为了推动运动想象脑机接口的发展,解决现有分类准确率较低的问题。首先通过多尺度特征提取(MFE)模块提取脑电信号的多尺度时域信息和通道空间信息，得到初级时空特征序列。接下来通过自适应特征融合(AFF)模块自适应的融合最有价值的全局和局部特征信息，得到高级融合时间特征向量。最后由基于全连接层组成的分类器模块完成分类任务。经过实验证明，本发明提出的分类方法能更有效地提升对运动想象脑电信号的特征提取和分类性能。