技術(shù)特征：

1.基于多尺度特征的3d卷積神經(jīng)網(wǎng)絡(luò)的運(yùn)動(dòng)想象腦電信號(hào)分類方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的基于多尺度特征的3d卷積神經(jīng)網(wǎng)絡(luò)的運(yùn)動(dòng)想象腦電信號(hào)分類方法，其特征在于，所述步驟s3包括：

3.根據(jù)權(quán)利要求2所述的基于多尺度特征的3d卷積神經(jīng)網(wǎng)絡(luò)的運(yùn)動(dòng)想象腦電信號(hào)分類方法，其特征在于，所述步驟s4包括：

4.根據(jù)權(quán)利要求1所述的基于多尺度特征的3d卷積神經(jīng)網(wǎng)絡(luò)的運(yùn)動(dòng)想象腦電信號(hào)分類方法，其特征在于，所述步驟s5包括：

5.根據(jù)權(quán)利要求1所述的基于多尺度特征的3d卷積神經(jīng)網(wǎng)絡(luò)的運(yùn)動(dòng)想象腦電信號(hào)分類方法，其特征在于，所述3d卷積塊與卷積核結(jié)構(gòu)相同。

6.根據(jù)權(quán)利要求1所述的基于多尺度特征的3d卷積神經(jīng)網(wǎng)絡(luò)的運(yùn)動(dòng)想象腦電信號(hào)分類方法，其特征在于，所述步驟s1包括：所述腦電信號(hào)采集設(shè)備為eeg頭盔；對(duì)所述eeg頭盔進(jìn)行校準(zhǔn)；使用導(dǎo)電膏或鹽水清潔受試者頭皮。

7.根據(jù)權(quán)利要求6所述的基于多尺度特征的3d卷積神經(jīng)網(wǎng)絡(luò)的運(yùn)動(dòng)想象腦電信號(hào)分類方法，其特征在于，校準(zhǔn)過程中，采用標(biāo)準(zhǔn)電阻溶液測試所述eeg頭盔電極的接觸阻抗。

8.根據(jù)權(quán)利要求1所述的基于多尺度特征的3d卷積神經(jīng)網(wǎng)絡(luò)的運(yùn)動(dòng)想象腦電信號(hào)分類方法，其特征在于，所述步驟s2包括：

9.根據(jù)權(quán)利要求8所述的基于多尺度特征的3d卷積神經(jīng)網(wǎng)絡(luò)的運(yùn)動(dòng)想象腦電信號(hào)分類方法，其特征在于，將標(biāo)準(zhǔn)化后的所述運(yùn)動(dòng)想象腦電信號(hào)數(shù)據(jù)進(jìn)行劃分，其中，80%的所述運(yùn)動(dòng)想象腦電信號(hào)數(shù)據(jù)用于網(wǎng)絡(luò)訓(xùn)練，20%的所述運(yùn)動(dòng)想象腦電信號(hào)數(shù)據(jù)用于測試。

技術(shù)總結(jié)
本發(fā)明屬于運(yùn)動(dòng)想象腦電信號(hào)分類技術(shù)領(lǐng)域，提供一種基于多尺度特征的3D卷積神經(jīng)網(wǎng)絡(luò)的運(yùn)動(dòng)想象腦電信號(hào)分類方法，采集運(yùn)動(dòng)想象腦電信號(hào)數(shù)據(jù)；預(yù)處理所述運(yùn)動(dòng)想象腦電信號(hào)數(shù)據(jù)；對(duì)所述三維張量進(jìn)行空間特征提取，獲得空間特征L；對(duì)所述空間特征L進(jìn)行時(shí)間特征提取，獲得時(shí)間特征；對(duì)所述時(shí)間特征進(jìn)行分類。本發(fā)明綜合提取空間和時(shí)間域的多尺度特征，可以在空間和時(shí)間域中定義MI?EEG的新的緊湊特征表示，并防止生物和環(huán)境偽影的影響，以提高分類性能。

技術(shù)研發(fā)人員：黃飛,孫曜
受保護(hù)的技術(shù)使用者：杭州電子科技大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/8