一种基于运动想象的智能脑电特性的解析方法

本发明公开了一种基于运动想象的智能脑电特性的解析方法，通过基于敏感度的范式选择方法筛选适配个体的最优范式，结合改进的黎曼最小均值距离分类器，使“EEG盲”群体的任务指令识别率显著提升，分类准确率接近群体平均水平，设计采用STDP学习机制和侧抑制机制的脉冲神经网络，增强对低信噪比信号的鲁棒性，显著提升分类精度，通过基于召回率的安全停止信号，并通过混淆矩阵实时监测分类结果，确保紧急指令触发的准确率，显著降低误操作风险，通过结合运动想象与稳态视觉诱发电位的多模态控制策略，优化了指令响应的延迟，提升了系统的可靠性，通过并行通道实现多任务协同，极大的提高了指令识别率，可支持医疗康复机器人、智能制造等多场景应用。