一种基于Kans-Transformer的运动想象脑电识别方法和系统

本发明提供了一种基于Kans‑Transformer的运动想象脑电信号(MI‑EEG)识别方法和系统，旨在有效提升分类准确性和鲁棒性。该方法通过四个关键模块实现：包括预处理模块、时域与空域特征提取模块、Kans‑Transformer模块和分类模块。预处理模块通过滤波和数据增强技术，增强数据多样性和模型泛化能力。时域和空域特征提取模块利用深度卷积网络提取EEG的时域和空域特征，并在时域卷积后引入高效通道注意力(ECA)模块进行通道注意力加权，同时通过特征融合获得更全面的特征表示。Kans‑Transformer模块利用Kolmogorov‑Arnold Networks替代传统MLPs，增强特征捕捉能力。最终，通过分类模块进行分类。该方法在标注数据有限的情况下仍表现优异，适用于脑机接口，对康复医学和人机交互领域具有重要应用价值。