本发明涉及脑机接口、人工智能与模式识别的算法，更具体地，涉及基于EMD数据增强的卷积神经模型的SSVEP脑电分类方法，可应用于医疗器械、人机交互、机器人控制等领域。该方法首先对原始脑电数据进行预处理，预处理后采用经验模式分解方法分解原始脑电数据，混合生成大量符合原始脑电信号时频域特点的人造脑电数据，将人造脑电数据与原始脑电数据合并，用于神经网络的参数训，从而实现使用少量脑电数据有效训练网络参数的效果。最后采用复Morlet小波变换生成脑电张量，将原始的时域数据转换为集合时域、频域和空间信息的张量字典作为神经网络的输入，使用卷积神经网络模型对数据增强后的脑电训练集进行分类。