一种基于多尺度卷积神经网络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卷积神经网络的运动想象脑电信号分类方法，属于脑机接口技术领域，所述方法包括：对原始EEG信号进行带通滤波、通道选择及标准化预处理；构建多尺度卷积神经网络模型，通过浅层多尺度卷积块提取多分辨率时间特征，经中层卷积层实现时空特征对齐与跨尺度拼接，最终由动态全连接层自适应生成分类概率；采用独立被试训练策略优化模型参数，通过自适应特征维度处理实现运动想象任务的分类识别。本发明通过多尺度卷积核设计有效捕获EEG信号的时频特征，结合空间注意力引导的特征融合策略增强关键脑区响应，并利用动态参数初始化消除个体差异影响，显著提升了分类模型的特征表达能力和跨受试者泛化性能。