面向资源受限场景的多通道脑电信号分类方法及系统

本发明公开了一种面向资源受限场景的多通道脑电信号分类方法及系统，属于资源受限计算、脑电信号处理、深度学习技术领域，方法包括：先对多通道原始脑电数据进行预处理，再进行多通道脑电数据选择，接着基于1DCNN和GRU构建轻量级分类模型，对选择后的多通道脑电数据进行特征提取和相应的分类任务，最后将分类模型在MATLAB平台上训练获得的可学习参数进行存储，并对其参数进行定点量化，进一步减少模型的存储需求、提高计算效率；本发明还提供了系统、设备及介质，用于实现该方法；本发明在保持高预测准确率的同时，显著降低了模型复杂度，减少了资源和空间占用，更适用于资源受限设备。