基于两阶段多尺度神经网络的脑电信号域泛化分类方法

本发明涉及基于两阶段多尺度神经网络的脑电信号域泛化分类方法，采集多被试的运动想象脑电信号并进行预处理；构建两阶段多尺度神经网络(TSMSNet)，通过差异化时序卷积核的并行分支结构捕获互补时空特征；采用验证集驱动的动态加权融合模块(WFC)实现自适应特征融合，基于Softmax归一化权重分配平衡各分支贡献；引入联合监督优化模块(ABL)通过特征拼接分类提供辅助监督信号，本发明首次实现了多尺度特征提取、动态加权融合和联合监督优化三者的系统集成，不仅将跨被试分类性能提升至新高度，更通过两阶段训练策略解决了传统端到端方法在梯度冲突和分支贡献量化方面的关键难题，为零校准脑机接口系统的临床应用提供了可靠的技术方案。