用于运动想象脑电信号的分类方法

本发明提供一种用于运动想象脑电信号的分类方法，包括：获取被试脑电信号数据并进行预处理，得到训练集；将训练集输入基于孪生神经网络构建的特征提取模型中进行预训练，生成特征集；将特征集输入基于卷积神经网络构建的预分类模型中，分别进行预训练、迁移学习，以得到分类模型；在分类模型中输入待测者的脑电信号数据后，分类模型执行分类任务，输出分类结果，分类结果至少包含脑电信号的类别标签。本发明通过采用三元损失函数进行参数学习，使提取的特征具有最大类间距离和最小类内距离，分类模型极大的减少对先验数据的依赖，针对各类运动想象任务，根据特征向量之间的距离关系对网络进行优化，确保不同类别之间的特征具有最大的可区分性。