简介：基于CNN与Transformer融合的运动想象脑电信号分类工程，源自本科毕业设计，面向计算机科学、信息工程等专业学习者与研究者。卷积模块提取时空局部特征，Transformer捕捉长程依赖，并结合梯度加权类激活映射实现脑电空间分布可视化，答辩评价优异、代码可稳定运行。压缩包共38个文件，以Python源码为主，辅以Matlab脚本、xlsx统计表、模型权重pth与训练数据npy，整体约18.47MB。内容涵盖CNNTransformer、EEGNet、空间时间注意力、Morlet小波变换、共空间模式、CAM热力图、tSNE降维及AUC对比脚本，附带README与备份文件，便于复现与扩展。目前已有67人学习下载，适合课程实践、综合训练或课题研究参考。

1. 运动想象脑电分类为什么卡在特征提取上：CNN与Transformer怎么补彼此的短板

运动想象（Motor Imagery, MI）脑电信号分类是脑机接口里最经典也最考验特征工程的任务之一。受试者在脑子里想象左手、右手、双脚或舌头运动时，头皮上会诱发特定频段的ERD/ERS现象，但单个通道的时域波形几乎看不出规律，分类算法真正要捕捉的是8到30Hz（mu节律和beta节律）的空间-时间耦合模式。传统CSP特征泛化能力差，纯CNN能提取空间特征却难以建模长程时序依赖，纯Transformer能建模时序又容易在小样本EEG上过拟合。把两者按“CNN先提空间特征、Transformer再建时间依赖”的方式融合，是当前在同一数据集上把四分类准确率从70%往上推进的最可靠路线。这篇笔记面向正在跑BCI IV-2a、OpenBMI或自采数据的研究者，从预处理到模型训练再到可视化，给出一条能直接复现的落地路径。

2. 数据准备与预处理：从BCI IV-2a原始信号到可训练样本的完整流程

2.1 运动想象数据集选择与通道配置

BCI Competition IV Dataset 2a（后文简称BCI IV-2a）是运动想象分类的事实基准。数据集包含9名受试者、四类运动想象任务（左手、右手、双脚、舌头）、22个Ag/AgCl电极通道，采样率250Hz，每个受试者训练集和测试集各144个trial。这个数据集的特点非常鲜明：同一受试者同一session内能跑到比较高的准确率，但跨受试者泛化极差，所以评测时必须把“受试者内交叉验证”和“跨受试者留出”两个维度分开报告，否则结论会失真。

如果是自采数据，建议先按10-20国际导联标准检查电极布局。运动想象任务最相关的通道是C3、C4、Cz及其邻近的FC和CP导联。通道数不必追求全头128导，22导对于运动想象分类完全够用，过多的无关通道只会让Transformer的注意力模块更容易“分心”。可视化和特征分析阶段也建议先盯着这些核心通道看，确认ERD/ERS现象真的存在再进模型，这样后面排查问题时才有参照系。

第一步用MNE库读取数据并做基础检查：

import mne import numpy as np # 读取BCI IV-2a的GDF文件，preload=True表示一次性加载到内存 raw = mne.io.read_raw_gdf('A01T.gdf', preload=True) print(raw.info) # 打印通道数、采样率、滤波状态 # 从annotations提取事件，运动想象通常使用769/770/771/772作为事件码 events, event_id = mne.events_from_annotations(raw) print(np.unique(events[:, 2])) # 确认事件码，不同数据集定义可能不同

这段代码里，mne.io.read_raw_gdf把GDF格式的原始脑电读入内存，preload=True是全部加载而非惰性读取，方便后续切片和滤波运算。mne.events_from_annotations把文件里的标注转换成事件数组，事件数组每一行包含“采样点序号、持续时间、事件码”。BCI IV-2a的标准里769到772分别对应左手、右手、双脚、舌头，但其他数据集定义可能不同，打印出来确认一次是必须的，否则后面切片全错。

2.2 带通滤波与参考设置：mu节律和beta节律才是信号主线

运动想象诱发的ERD/ERS集中在mu节律（8-12Hz）和beta节律（13-30Hz），因此带通滤波是整个预处理里最核心的一步。常见做法是统一做8-30Hz带通滤波，也有研究把mu和beta分量分别提取再融合，但工程上先做一次8-30Hz滤波、后续靠模型自行学习频带权重，是复现成本最低的方案。低频漂移是脑电数据里最常见的干扰源，高通截止频率设在8Hz能显著滤除漂移；如果把上限放到30Hz以上，会引入更多肌电噪声，需要权衡。

滤波器推荐使用FIR而不是IIR。FIR相位线性、不会产生相位畸变，这对时序敏感的Transformer模型尤其重要。MNE的filter方法默认使用firwin窗函数设计，过渡带宽度按经验保持0.5Hz左右：

# 带通滤波：8-30Hz，覆盖mu和beta节律 raw_filtered = raw.copy().filter(8, 30, method='fir', fir_design='firwin') # 用标准差阈值粗筛坏通道：异常通道幅值波动通常远大于正常通道 channel_std = np.std(raw_filtered.get_data(), axis=1) bad_mask = channel_std > np.percentile(channel_std, 95) raw_filtered.info['bads'] = [raw_filtered.ch_names[i] for i in np.where(bad_mask)[0]] print('标记的坏通道:', raw_filtered.info['bads']) # 设置平均参考：运动想象任务默认使用全脑平均参考 raw_filtered.set_eeg_reference('average')

filter方法里，method='fir'指定FIR滤波器，避免IIR带来的非线性相位；fir_design='firwin'是MNE默认的窗函数设计法。坏通道检测这里用的是最简单的标准差阈值，实际工程里可以换成MNE内置的坏通道检测函数或人工排查，但核心目的一样：坏的通道会在空间维度上给CNN引入虚假特征。set_eeg_reference('average')把参考从单极改为全脑平均参考，这是大多数运动想象论文的默认选择。如果只关注C3/C4两个通道，也可以设双极参考，但会丢失脑地形图可视化的全局通道信息。

2.3 时间窗切片与样本增强：让每个trial进入训练管道

BCI IV-2a每个trial从提示出现到结束约3-4秒，但并不是所有时间段都有判别力。运动想象分类最有信息量的窗口通常是提示出现后0.5秒到2.5秒之间，这段时间ERD/ERS现象最明显。如果把整段3秒都喂给模型，反而会引入注意力漂移——Transformer的自注意力机制会花费大量权重在“没有事件发生”的空白段上。

切片完成后还有一步常被忽略：基线校正。用任务开始前的数据做baseline去除直流漂移，虽然带通滤波已经滤掉低频，但基线校正能让不同trial的起点一致。之后把trial数据转换成NumPy数组，才能进入PyTorch训练管道：

# 定义切片：从提示后0.5秒开始，截取2.5秒长度的任务段 tmin, tmax = 0.5, 3.0 epochs = mne.Epochs(raw_filtered, events, event_id=event_id, tmin=tmin, tmax=tmax, baseline=None, picks='eeg', preload=True) X = epochs.get_data() # 形状: (trial数, 通道数, 采样点数) y = epochs.events[:, 2] # 原始事件码 print('epochs形状:', X.shape)

baseline=None是因为带通滤波已经做过低频校正，这里不再额外扣基线，省去一个调参变量；如果后续发现trial间幅值漂移明显，可以再改成baseline=(None, 0)重新切一次对比。

单受试者144个trial对融合模型来说偏少，我一般会在trial内部做滑动窗口增强。对250Hz采样率来说，2.5秒是625个采样点，用1.5秒窗口（375点）、0.5秒步长（125点）切，每个trial能切出约3个子样本。这样做的好处不仅仅是数据量增加，更重要的是模型能见到不同起止位置的时间片段，对时间对齐误差的鲁棒性更好：

# 滑动窗口增强：每个trial内部切出重叠子样本 win_len, stride = 375, 125 # 1.5秒窗口，0.5秒步长 Xs, ys = [], [] for trial_idx in range(X.shape[0]): for start in range(0, X.shape[2] - win_len + 1, stride): Xs.append(X[trial_idx, :, start:start + win_len]) ys.append(y[trial_idx]) X_all = np.array(Xs) y_all = np.array(ys) - 769 # 事件码转为0/1/2/3四类 print('增强后样本形状:', X_all.shape, '标签分布:', np.bincount(y_all))

切片和增强之后，X_all的形状大约是(N, 22, 375)，N是原始trial数的3倍左右。这里把标签减去769，是为了让四类标签变成0-3的整数索引，方便PyTorch的CrossEntropyLoss直接使用。注意事件码的偏移量必须按前面打印出来的实际值调整，换数据集时这个固定偏移大概率会变。

3. 模型结构设计：CNN分支做空间特征提取，Transformer分支做时间依赖建模

3.1 CNN分支：通道卷积与时间卷积的分工

融合模型的构建原则是先局部后全局。CNN的卷积核天然适合提取局部特征，在EEG数据上这个“局部”包括两个维度：通道维度的空间模式（比如C3和C4的ERD/ERS对立关系）和时间维度的短时波形模式。我的做法是先用深度可分离卷积风格的模块做空间特征提取，再接时间卷积层做短时特征细化。

第一层用(C通道数, 1)的空间卷积核，每个输出通道独立跨通道做加权组合，相当于让模型自动学习电极之间的空间滤波系数；第二层用(1, 时间窗)的时间卷积核，捕捉几十个采样点内的微时序模式。空间卷积的输出通道数通常设64，时间卷积核大小取64个采样点（约0.25秒），这个时长大致覆盖一个运动想象相关波形分量的典型宽度：

import torch import torch.nn as nn import torch.nn.functional as F class SpatialCNN(nn.Module): def __init__(self, C=22, T=375, ch_out=64, kernel_t=64): super().__init__() # 空间卷积：在通道维度上做加权组合，等价于可学习的空间滤波器 self.conv_spatial = nn.Conv2d(1, ch_out, (C, 1), bias=False) # 时间卷积：捕捉短时波形模式，kernel_t=64约0.25秒 self.conv_time = nn.Conv2d(ch_out, ch_out, (1, kernel_t), bias=False) self.bn = nn.BatchNorm2d(ch_out) self.dropout = nn.Dropout2d(0.3) def forward(self, x): # x: (B, 1, C, T) x = self.conv_spatial(x) # (B, ch_out, 1, T) x = self.conv_time(x) # (B, ch_out, 1, T - kernel_t + 1) x = self.bn(x) x = F.elu(x) x = self.dropout(x) return x # (B, ch_out, 1, T')

这里有几个关键的选型理由。空间卷积的kernel设为(C, 1)，也就是只在通道维上做卷积、时间维不动，目的是把“空间滤波”和“时间建模”两件事彻底分开。如果空间卷积带上了时间宽度，它就会同时混入短时时间特征，后续Transformer建模长程时间依赖时，特征里就会有冗余信息。让空间卷积的时间维为1，其输出在每一个时刻点的跨通道加权是独立的，纯粹描述空间模式，时间依赖全部交给Transformer，两个模块的职责边界最干净。kernel_t取64是因为相邻采样点之间高度相关，卷积核太短学不到有效模式，太长又会把空间特征的时序细化变成全局平滑。

3.2 Transformer分支：位置编码与自注意力的作用

Transformer分支的输入来自CNN分支的输出特征。CNN分支输出形状是(B, ch_out, 1, T')，需要展平成(B, T', ch_out)再作为Transformer的输入序列。T'是空间卷积加时间卷积后的时间步数，对375采样点的输入，经过kernel_t=64的时间卷积后是312步。这个序列长度对自注意力来说偏长，通常先做降采样（自适应平均池化或步进卷积），把时间步降到50-100左右，否则注意力矩阵的计算量和过拟合风险都不可控。

位置编码是Transformer里必须处理的一个细节。EEG时序和文本一样，自注意力机制本身是位置无关的，如果不加位置编码，模型会把“0.5秒的位置”和“2秒的位置”看成等价的，这直接违背了ERD/ERS随时间演化的规律。对EEG序列来说，可学习的绝对位置编码即可满足需求，因为每个训练样本的序列长度固定：

class PositionalEncoding(nn.Module): def __init__(self, d_model, max_len=128): super().__init__() # register_buffer不是Parameter，位置编码不需要梯度更新 pe = torch.zeros(max_len, d_model) position = torch.arange(0, max_len, dtype=torch.float).unsqueeze(1) div_term = torch.exp( torch.arange(0, d_model, 2).float() * (-np.log(10000.0) / d_model) ) pe[:, 0::2] = torch.sin(position * div_term) pe[:, 1::2] = torch.cos(position * div_term) self.register_buffer('pe', pe.unsqueeze(0)) def forward(self, x): # x: (B, seq_len, d_model) return x + self.pe[:, :x.size(1)]

位置编码使用正弦余弦函数生成初始值，通过register_buffer注册到模型里，训练时不会参与梯度更新。d_model=64时，偶数维度用正弦、奇数维度用余弦，不同频率组合起来就能区分不同位置的编码。Transformer编码器层数不用多，EEG是典型的小样本场景（单个受试者几千个样本），2到3层编码器已经足够，更多层只会加剧过拟合。注意力头数取4，embedding维度取64-128，前馈网络hidden dim取embedding的4倍，这是Transformer原论文建议的比例，在EEG上同样适用，不用特意改。

3.3 融合策略与完整模型：Feature Pyramids和Cross Attention的取舍

CNN与Transformer融合的具体方式，常见的有三种。第一种是并行双分支，CNN和Transformer各自处理原始输入，最后把特征拼接送分类器；第二种是串行浅融合，CNN先提空间特征，把时间-通道特征序列交给Transformer，这也是我给出的方案；第三种是深层cross-attention，把CNN每个时间步的输出作为key和value，再加一个可学习的query向量，让注意力自行决定时间步的权重。第三种方案理论上最灵活，但EEG小样本条件下训练不充分的风险高，收敛也慢，实际收益往往不抵复杂度。

我一般用串行浅融合加分类头的形式，工程上最稳。完整模型结构如下：

class FusionTransformer(nn.Module): def __init__(self, C=22, T=375, n_classes=4, d_model=64, n_heads=4, n_layers=2): super().__init__() self.cnn = SpatialCNN(C, T, ch_out=d_model) # 自适应平均池化：把时间步压缩到固定长度64 self.pool = nn.AdaptiveAvgPool1d(64) enc_layer = nn.TransformerEncoderLayer( d_model=d_model, nhead=n_heads, dim_feedforward=256, dropout=0.1, batch_first=True ) self.transformer = nn.TransformerEncoder(enc_layer, num_layers=n_layers) self.pos_enc = PositionalEncoding(d_model, max_len=64) self.classifier = nn.Sequential( nn.LayerNorm(d_model), nn.Linear(d_model, n_classes) ) def forward(self, x): # x: (B, 1, C, T) feat = self.cnn(x) # (B, d_model, 1, T') feat = feat.squeeze(2) # (B, d_model, T') feat = self.pool(feat).transpose(1, 2) # (B, 64, d_model) feat = self.pos_enc(feat) feat = self.transformer(feat) # (B, 64, d_model) out = feat.mean(dim=1) # 全局平均池化 -> (B, d_model) return self.classifier(out)

AdaptiveAvgPool1d(64)把CNN输出从312个时间步压缩到64个，自注意力的计算复杂度从O(312²)降到O(64²)，训练速度能差一个数量级，同时全局池化保留了整个时间段的信息。batch_first=True让TransformerEncoderLayer直接接受(B, seq_len, d_model)的输入形状，省去维度转置。最后用全局平均池化而不是CLS token，因为EEG小样本下，训练一个额外的CLS token风险更高，平均池化的归纳偏置更稳。CNN输出通道数设定为d_model=64，这样进入Transformer前不需要额外的线性投影层，避免信息在投影中损耗。

3.4 核心参数速查表

这组参数是我在这个任务上调参的经验汇总。最容易被忽略的是embedding维度和CNN输出通道数的对齐：不一致时中间需要加一个矩阵投影层，投影在反向传播里很容易变成信息瓶颈。如果你把CNN的ch_out改成128，d_model也要跟着改成128，池化长度可以不变。

4. 训练策略与核心参数：学习率、损失函数、评估指标怎么配

4.1 训练与验证划分：GroupKFold是底线

BCI IV-2a每个受试者的数据是独立的，先做单受试者分类评估，再做跨受试者评估，是运动想象论文里的标准评测体系。单受试者分类时，用5折交叉验证而不是简单train/valid分割，因为EEG数据受试者内部同样存在慢漂移，不同时间段的数据分布不完全一致，5折能更全面地度量模型鲁棒性。

这里有一个新手最容易犯的错误：滑动窗口增强之后不做任何处理直接随机划分。滑动窗口产生的相邻样本共享大量重叠信号，随机划分会导致训练集和验证集之间数据泄漏。正确做法是让同一个trial的所有子窗口划分到同一个fold：

from sklearn.model_selection import GroupKFold group_ids = np.arange(X.shape[0]).repeat( (X.shape[2] - win_len) // stride + 1 ) # 每个原始trial对应一组连续的group id gkf = GroupKFold(n_splits=5) for fold, (train_idx, val_idx) in enumerate(gkf.split(X_all, y_all, groups=group_ids)): X_train, X_val = X_all[train_idx], X_all[val_idx] y_train, y_val = y_all[train_idx], y_all[val_idx] print(f'fold {fold}: 训练集 {len(train_idx)} 样本, 验证集 {len(val_idx)} 样本')

GroupKFold和普通KFold唯一的区别就是多了一个groups参数，它告诉切分器哪些样本属于同一个组，切分时保证同组样本要么全部在训练集、要么全部在验证集。这里的group id就是原始trial的索引。如果忽略这一步直接随机切分，验证集里会混入训练集trial的相邻切片，评估出来的准确率虚高，换到真实在线场景立刻翻车。

4.2 学习率调度与早停：Transformer分支对学习率更敏感

融合模型比纯CNN对学习率更敏感。Transformer的自注意力模块在训练前期梯度方差大，学习率设置偏高很容易让LayerNorm和attention权重发散；设置太低又会让CNN分支收敛过慢。我的经验是初始学习率从1e-3开始，配合cosine退火或ReduceLROnPlateau动态调度。如果只固定学习率，1e-3是上限，低于1e-4的训练速度会慢到影响调参效率。

optimizer = torch.optim.AdamW(model.parameters(), lr=1e-3, weight_decay=1e-4) scheduler = torch.optim.lr_scheduler.CosineAnnealingLR( optimizer, T_max=50, eta_min=1e-5 ) best_val_acc = 0.0 patience = 0 for epoch in range(50): train_loss = train_one_epoch(model, optimizer, X_train, y_train) val_acc = evaluate(model, X_val, y_val) if val_acc > best_val_acc: best_val_acc = val_acc torch.save(model.state_dict(), 'best_model.pth') # 只保存权重 patience = 0 else: patience += 1 if patience >= 10: break scheduler.step()

AdamW加weight_decay=1e-4，是对Transformer参数做权重衰减正则，比Adam默认的L2正则更贴合Transformer的训练特性。cosine退火让学习率从1e-3平滑降到1e-5，后期步长足够小，loss能在更精细的尺度上找到较优位置。模型只保存验证集上表现最好的权重，而不是最后一个epoch的权重——最后一个epoch往往已经过拟合或学习率过小，都是次优解。早停的patience设10个epoch，对50个epoch的训练周期来说是一个合理的量级。

4.3 损失函数与标签平滑：小样本下的正则化技巧

四分类运动想象任务直接用CrossEntropyLoss即可。BCI IV-2a每类约72个trial，样本量基本均衡，不需要手动设置class_weight。但如果是自采数据，某类运动想象的trial数偏少，就必须对损失函数设置类别权重，把有效trial数最少的类别权重提到1.2到1.5，否则模型会无条件偏向样本多的类别。

另一个容易被忽视的工程细节是标签平滑。把one-hot标签变成软标签，引入少量噪声，能显著缓解Transformer在EEG小样本上的“过度自信”问题，让模型不再追求输出概率逼近1，而是保留一点不确定性。在信噪比低的EEG上，这反而能提升验证集准确率：

criterion = nn.CrossEntropyLoss(label_smoothing=0.1)

label_smoothing参数是PyTorch新版CrossEntropyLoss直接支持的，把它设为0.1，目标one-hot向量会变成(0.9, 0.033, 0.033, 0.033)这样的软化分布。标签平滑率不要设太大，超过0.2会让模型欠拟合，四分类任务上0.1是一个经过验证的安全值。

4.4 评估指标：准确率之外一定要看Kappa系数

BCI IV-2a官方评估指标是Kappa值而非单纯准确率。Kappa系数衡量的是“除去随机分类后，模型真实能拿到的分类一致性”，四分类的随机基线Kappa是0，完美分类是1。准确率70%的模型，Kappa大约是0.6，这对应BCI Competition IV 2a的领先水平。如果报告结果时只写准确率，审稿人大概率会追问Kappa。

from sklearn.metrics import cohen_kappa_score, confusion_matrix y_pred = predict(model, X_val) kappa = cohen_kappa_score(y_val, y_pred) print(f'Kappa系数: {kappa:.3f}') cm = confusion_matrix(y_val, y_pred) print('混淆矩阵:') print(cm)

Kappa的计算很简单，但它的价值在于：如果模型对某一对类别（比如右手和双脚）出现系统性误分类，会精确反映在Kappa的类别贡献上，比看总准确率更容易定位问题。混淆矩阵要常态化打印出来。四分类运动想象里，“左手和右手混”与“双脚和舌头混”是两类典型的失败模式，前者说明C3/C4空间特征提取不足，后者说明这两类任务的ERD/ERS频带非常接近，需要补充更精细的频带特征或增加训练数据。

5. 运动想象分类避坑指南：数据泄漏、过拟合与通道失效

5.1 数据泄漏：归一化参数必须只从训练集统计

现象：验证集准确率高达85%，部署到在线采集数据只有60%，差距大得不合理。

原因：在滑动窗口增强和划分之前，就对全部数据做了z-score标准化或MinMax归一化，归一化使用的均值和标准差包含了验证集和测试集的数据信息。这种泄漏在机器学习里最容易出现在预处理阶段，影响是隐性的，结果虚高而不报错。

解决：把归一化放进交叉验证的每一折内部，只从训练集计算均值和标准差，用同一组参数变换验证集：

from sklearn.preprocessing import StandardScaler X_flat = X_train.reshape(len(X_train), -1) scaler = StandardScaler().fit(X_flat) # fit只看训练集 X_train_norm = scaler.transform(X_flat).reshape(X_train.shape) X_val_flat = X_val.reshape(len(X_val), -1) X_val_norm = scaler.transform(X_val_flat).reshape(X_val.shape)

这里把一个样本拉平成22x375的长向量做标准化，等价于对每个通道、每个采样点独立归一化。注意标准的mask和学习率、滤波器参数一样，全部要在训练集上计算，验证集只能用transform不能重新fit。

5.2 过拟合：Transformer在EEG小样本上的脆弱性

现象：训练集准确率99%，验证集72%，而且随着epoch增加训练集和验证集的差距越来越大。

原因：单受试者只有几千个样本，而Transformer参数量动辄几十万，模型有足够容量直接记住训练样本。EEG信号本身噪声大，没有强正则化的话模型会把噪声也当作特征学进去，这种过拟合在融合模型里比纯CNN出现得更早。

解决：四管齐下。第一，dropout率上调到0.4-0.5；第二，把Transformer层数从3层减到2层；第三，在输入层加随机通道丢弃，强迫模型不依赖单通道的强特征；第四，也是最有效的一招，给空间卷积的输入加随机通道屏蔽，在训练时随机冻结2-3个通道：

def channel_dropout(x, drop_prob=0.1): # x: (B, 1, C, T)，在通道维度上随机屏蔽 B, _, C, T = x.shape mask = torch.rand(B, 1, C, 1, device=x.device) > drop_prob return x * mask.float() # 只在训练阶段调用，验证时不调用 if model.training: x = channel_dropout(x, 0.15)

channel_dropout实现很简单，但它模拟的是EEG采集中电极脱落或接触不良的实际情况，强迫空间卷积不能只依赖少数通道的强特征，必须从整体空间模式里判别类别。对泛化能力的提升在跨session评估里尤其明显，代价只是训练集准确率下降2-3个点。

5.3 通道位置偏差：电极帽佩戴导致的性能骤降

现象：同一个受试者隔天再来采集数据，模型准确率从80%掉到65%，掉的点主要集中在左手/右手这两个空间上对立的类别。

原因：电极帽每次佩戴都有几毫米到一厘米的位置误差，C3/C4的实际测量点和上一次不一样。CNN的空间卷积学到的空间滤波系数基于之前的电极位置，位置一变，空间模式失效。这在真实BCI落地场景里非常普遍，也是运动想象模型上线难的核心原因之一。

解决：离线研究阶段，训练时给通道加随机重排增强，打乱空间卷积对通道绝对位置的依赖：

# 固定随机种子做通道重排，打乱通道与位置的固定对应关系 np.random.seed(42) channel_idx = np.random.permutation(C) X_train_aug = X_train[:, :, channel_idx, :]

通道重排增强的本质是强迫空间卷积学到相邻通道的组合模式，而不是某个固定通道位置。训练集准确率会略降，但换来的是模型对电极佩戴差异的鲁棒性。如果条件允许，更实用的方案是采集阶段做佩戴-脱帽-重戴多次采集，把重戴后的数据纳入训练集。

5.4 随机种子：同一条数据两次训练结果差5个点

现象：用完全相同的代码和超参数，只是换了随机种子或没固定种子，两次训练的结果差4-5个准确率点，模型看起来不稳定。

原因：小样本加高噪声的数据对随机性极度敏感，数据顺序、dropout序列、权重初始化都会引入随机差异。这不算模型bug，但会影响实验结论的可信度，尤其在调参阶段会误导方向。

解决：固定一切种子是基本操作，关键是每个实验用至少5个不同种子跑完取平均值和标准差：

import random def set_seed(seed): random.seed(seed) np.random.seed(seed) torch.manual_seed(seed) torch.cuda.manual_seed_all(seed) torch.backends.cudnn.deterministic = True torch.backends.cudnn.benchmark = False seeds = [42, 233, 666, 1024, 2048] results = [] for seed in seeds: set_seed(seed) acc = train_and_evaluate() # 返回验证集准确率 results.append(acc) print(f'5个种子平均准确率: {np.mean(results):.2f}% ± {np.std(results):.2f}%')

cudnn.deterministic = True确保GPU上卷积运算是确定性的，代价是训练略慢。如果标准差超过2%，说明模型本身在这个数据上不够稳，优先去加正则化或简化模型，而不是继续调学习率。实验记录里把每个种子的结果都留档，最后报告平均值加减标准差，这是运动想象分类论文的基本要求。

5.5 类别不均衡：四分类里某类准确率永远上不去

现象：四类任务整体准确率尚可，但“双脚”和“舌头”这两类的分类准确率明显低于左手和右手，混淆矩阵里这两类互相误判特别多。

原因：双脚和舌头的运动想象都引起大脑中中央区域（Cz附近）的ERD/ERS，空间分布非常接近，加上这两类样本量在数据集中天然偏少，模型学不到足够区分度。这不是模型代码的问题，而是神经生理学层面的类间相似性。

解决：先用类别权重把样本少的类别拉起来，再针对性检查频带。如果右脚和舌头都集中在Cz附近，可以在预处理阶段增加一个对C3/C4与Cz通道的空间对比特征通道，或者把模型输入从单一时段扩展成mu和beta两个子带的并行输入，让模型有机会学习频带上的差异：

# 给损失函数加类别权重 class_weight = torch.tensor([1.0, 1.0, 1.15, 1.15], device=device) criterion = nn.CrossEntropyLoss(label_smoothing=0.1, weight=class_weight)

类别权重设1.15是一个比较保守的值，能提升低样本类别的召回率又不至于让高样本类别崩掉。如果加了权重之后“双脚”和“舌头”依然分不开，那就要回到特征层面，检查Cz附近通道的时频图，确认这两类是否存在可分离的频带差异，存在则考虑多频带分支结构。

6. 分类结果可视化落地：从注意力权重到脑地形图的具体实现

模型训练完成后，可视化不是给论文凑图，而是验证Transformer分支到底学到了什么。注意力权重是最直接的观察窗口：对一个正确的trial，注意力矩阵里高权重的区域是否集中在ERD/ERS最明显的时段，如果集中在噪声段，说明模型学到的是伪特征。下面的代码取出Transformer第一层的自注意力权重，画成热力图：

def plot_attention(model, x, idx=0): model.eval() with torch.no_grad(): feat = model.cnn(x[idx].unsqueeze(0).unsqueeze(0)) feat = feat.squeeze(2) feat = model.pool(feat).transpose(1, 2) feat = model.pos_enc(feat) # PyTorch 1.9+版本，self_attn第二返回值是注意力权重 _, attn = model.transformer.layers[0].self_attn(feat, feat, feat) attn_map = attn[0].mean(dim=0).cpu().numpy() # 多head取平均 plt.imshow(attn_map, cmap='viridis', aspect='auto') plt.colorbar(label='attention weight') plt.xlabel('source position') plt.ylabel('target position')

这里把多头注意力的权重取平均，得到64x64的注意力矩阵。理想情况下矩阵的对角线附近会有明显的带状聚焦，说明模型主要关注相邻时间步；如果注意力矩阵一片均匀，说明Transformer分支没有学到时序结构，大概率是位置编码或序列压缩出了玄学问题，需要回去检查降采样层的池化长度。

脑地形图是另一个必须做的可视化手段。把某个trial的平均功率按通道画在头皮二维坐标上，能直观看出左手想象时右侧运动皮层（C4附近）的ERD现象，也能在切换trial时确认模型输入数据的质量是否可靠：

# 通道名的功率平均画在头皮地形图上 from mne.viz import plot_topomap power = np.mean(X_all[0] ** 2, axis=1) # 22个通道的平均功率 plot_topomap(power, epochs.info, show=True)

有一个习惯我一直保持：每次跑完训练，先画一批正确trial和错误trial的注意力图，对照脑地形图看。如果发现某一类错误样本的注意力几乎不在mu/beta频段对应的时段，就说明预处理里滤波带宽太宽或太窄。如果重来一次，我会在模型训练前先花一天时间把可视化管线搭好，而不是等模型训完再补——因为可视化在诊断阶段的价值远大于展示阶段。希望这篇笔记能帮你少走这些弯路。

本文还有配套的精品资源，点击获取