基于多尺度时空特征融合的运动想象分类神经网络方法

本发明提出了基于多尺度时空特征融合的运动想象分类神经网络方法。该方法通过设计多尺度时空特征融合网络，有效提升运动想象任务中的EEG信号解码精度。首先，采用标准化预处理对原始EEG信号进行处理；然后，通过多尺度时序注意力模块提取信号在不同时间尺度下的特征，并结合自注意力机制增强长期时序依赖关系；接着，引入自适应通道加权模块，动态调整各电极信号的权重，优化空间特征的表示；最后，通过Transformer模块融合时空特征，捕捉时空依赖关系的复杂交互，最后通过分类器输出解码结果。本发明的方法能够有效解决现有方法在时空特征融合与依赖建模方面的不足，提升EEG信号分类的准确度与系统鲁棒性，具有广泛应用前景。