本发明涉及一种基于度量迁移学习的脑电信号识别方法，利用两个投影矩阵将源域样本和目标域样本映射到共享子空间中，同时进行边缘概率分布对齐和条件概率分布对齐，最小化源域和目标域的距离来减小分布差异，再研究图结构模型，保存样本从高维到低维的结构关系。然后在共享空间中对已有标签的源域样本采用马氏距离度量计算度量矩阵；最后，采用估计密度比方法对源域样本进行加权，在度量矩阵下定义损失函数，并最小化损失。本发明可以提高跨被试/时段迁移学习效果，缩短传统BCI的校准时间，为脑电信号的识别研究提供了新的指导方法，利用EEG源域数据的标签信息，度量学习被用来分析已标记样本及其近邻样本的关系，度量二者之间的相似性。