運動想象腦電信號是低信噪比的非平穩時間序列，單通道腦電分析方法難以有效刻畫多通道信號之間的交互特征。本文提出了一種基于多通道注意力的深度學習網絡模型，該模型對預處理后的數據進行稀疏時頻分解，增強了腦電信號時頻特征的差異性。然后利用注意力模塊在時間和空間對數據進行注意力映射，讓模型可以充分利用腦電信號不同通道的數據特征。最后利用改進的時間卷積網絡進行特征融合并進行分類識別。利用BCI competition IV-2a數據集對所提算法進行驗證，結果表明所提算法可有效提升運動想象腦電信號的分類正確率，9名受試者的平均識別率為83.03%，與現有方法相比，提高了腦電信號的分類精度。所提方法增強了不同運動想象腦電數據之間的差異特征，對提升分類器性能的研究具有重要意義。