摘要:在脑电信号的肢体运动想象特征分类识别中，融合不同域特征提取时，存在动作识别准确度不高的问题。针对此问题，本文依据多通道采集中肢体运动想象脑电特征的复杂不同域关系，设计了用于识别肢体动作的脑电-对称正定网络运动特征分类模型，有效提取并融合不同域特征，实现了基于脑电信号的肢体特征分类以及动作的有效识别。实验结果表明，在识别四类肢体是否运动的运动想象数据集BCI Competition IV 2a上，基于所构建的分类模型在动作识别时的准确率达到0.85，Kappa系数达到0.80，具有较高精度。

摘要:为了更好地利用到脑电信号中的相关特征，改善运动想象脑电的分类性能，构建了一种基于混合特征和并行多尺度TCN模块的多层卷积网络（MTACNet）。首先，搭建基于混合特征的多层卷积神经网络，并在其中嵌入高效通道注意力机制，选取PReLU作为激活函数，以提取脑电信号中的时域和空域信息；然后对TCN模块进行改进，构建并行多尺度时域特征提取模块，接入多层卷积网络，进一步挖掘不同时间尺度的特征信息。在公开数据集BCI_IV_2a和自采数据集SCU_MI_EEG上进行测试，平均分类准确率分别为8615%、7710%，标准差分别为917%、1358%。并且针对自采数据集，设计了一种融合多频域脑电信号进行三通道输入的预处理方法，经过预处理后使平均分类准确率提升了329%。实验结果表明，与其他方法相比，本文所构建的分类网络取得了较为不错的分类效果，所设计的预处理方法能够降低复杂环境和无关干扰因素对分类结果的影响。