本发明公开了基于一维卷积核的运动想象脑电信号分类方法。现有运动想象脑电信号分类数量不多或者分类准确度不高。本发明方法首先获取运动想象脑电数据，并进行标准化处理；小波包变换得到α和β频段的脑电信号；然后利用一维卷积核的卷积神经网络对构造的MI‑EEG数据进行分类，网络结构包括卷积层、全连接层；获取和训练卷积神经网络模型，在相应数据集上进行模型训练和验证，选取效果最优的模型作为最终运动想象脑电数据分类模型。本发明方法避免了大量细节和边缘脑电信息的缺失，使脑电信号的时频分析更加精确。本发明方法采用的卷积神经网络模型既保留了各自通道的特征信息，又保留了脑电数据的完整性，在运动想象多分类任务上易于实现。