运动想象作为脑机接口的重要应用之一,是运动康复训练的重要支撑,在军事、交通、娱乐等领域也有着广泛的应用前景,所以对运动想象的准确分类具有重要意义。不同运动想象的脑电信号在时域、频域和空间域上存在显著差异,然而当前运动想象分类研究大多只考虑了某一维度或者某两维度的信息,无法全面捕获脑电信号的内在特征;而且脑电信号所携带的信息并非同等重要,现有方法无法自适应地捕获所有维度中最有价值的信息;此外,基于深度网络的分类模型在识别脑电信号时需要大量的内存、计算量和时间开销,无法部署到有限计算能力的移动医疗设备中。因此,本文针对上述问题,提出双流框架去同时表示脑电信号的时-频-空信息,设计出两种运动想象分类算法和一种模型压缩方法,主要研究内容如下:（1）提出了一种基于双流图表示的运动想象分类模型。该模型根据脑电电极分布的非欧特性,利用图结构表示脑电空间,同时将脑电信号的时域信息和频域信息分别映射到图中,形成时-空流和频-空流的双流图表示;设计出时间、频率、空间注意力机制自适应地捕获时、频、空维度中最有价值的信息;引入图卷积得到基于注意力机制的双流图卷积网络（TAGCN）,从双流图表示中提取空间相关性、时间依赖性和频率依赖性。在三个公开脑机接口数据集上进行了大量实验,结果表明TAGCN优于现有分类方法,验证了TAGCN在运动想象分类中的有效性。（2）提出了一种基于双流三维表示的运动想象分类模型。该模型根据电极之间的相对分布排列,利用矩阵结构表示脑电空间,得到时-空流和频-空流的双流三维表示;并针对三维数据设计出时-频-空串联注意力机制和并联注意力机制,都能自适应地捕获所有维度中最有价值的信息;结合注意力机制和三维卷积设计出基于注意力机制的双流三维卷积网络（TA3D）对运动想象进行识别。在三个公开脑机接口数据集上进行了大量实验,结果表明TA3D显著优于现有分类方法和TAGCN,且并联注意力机制的性能要优于串联注意力机制。此外,通过对模型内部结构的可视化分析,进一步解释了TA3D模型的有效性。（3）提出了一种基于知识蒸馏的分类模型压缩方法。本文设计出一个轻量级网络,基于知识蒸馏的思想令轻量级网络去批判性地学习TA3D输出的概率分布,实现知识迁移和压缩。通过实验证明经过知识压缩后的模型不仅拥有较高的分类性能,还具有较小的占用内存、计算量和时间开销,促进了深度网络在可穿戴医疗移动设备中的部署,为未来的实际应用提供了新思路。