一种基于脑网络和深度学习的脑电信号识别方法，包括：获取运动想象脑电数据和语言想象脑电数据，进行预处理并得到对应的标签；基于多导联的脑电数据，分别计算多窄波段的导联间时间序列的相位同步性；设定阈值，得到多个窄带的基于相位同步性的连接矩阵；通过连接矩阵构建功能性脑网络；训练深度学习模型，多窄波的同步性脑网络同时作为卷积神经网络的输入，优化网络的结构和参数；通过同步性脑网络分类模型进行训练和分类，本申请充分利用了深度学习算法强大的特征提取能力和处理时序信号的能力，结合隐藏在脑电信号中的时序信息，完成基于多窄带的脑网络的脑电信号识别任务，合理设计了多输入卷积层以及卷积核的大小，提高分类效果。