21世纪以来,随着知识的积累、科技手段的不断创新,脑科学领域得到快速发展,空间认知能力的训练与评估也受到了国内外广泛的关注。由于中国人口老龄化的加重,并且随着年龄的增长与空间认知能力的衰退,老年人很容易在复杂的环境中迷失方向。所以,提升老年人的空间认知能力,探索老年人的空间认知训练方法,就成为了当前脑科学领域热门以及急需解决的问题。本文通过行为数据与脑电信号数据两个角度,对融合脑机接口与虚拟现实技术的空间认知训练系统进行评估,同时提出了一种效果更为优良的空间认知脑电信号的分类方法,以期对该训练方法起到效果更为准确的判别作用。首先,本文通过行为数据和脑电信号数据两方面,对被试者的空间认知训练效果作出评估。在行为数据方面,对训练前后被试者所选的记忆中平台位置与真实平台位置的距离、共花费的时间和移动的路程作为指标进行统计分析;在脑电信号数据方面,通过MPCMI-MSI方法对数据进行特征提取,通过CNN对数据进行分类,以便客观、定量地评估训练效果。然后,本文提出了多尺度深层密集卷积神经网络。由于传统的CNN方法获取到的特征不够多样,并且会产生梯度弥散等问题,利用Dens Net结构,在多尺度卷积神经网络的基础上,设计了多尺度深层密集卷积神经网络。并使用自适应梯度随机下降算法对提出的分类算法进行过程优化。最后,本研究通过上述的研究方法对实验数据进行分析。通过行为数据与脑电信号数据对被试者二十天的空间认知训练效果进行评估,验证了该系统在训练过程中对空间认知能力改善的有效性。对于提出的多尺度深层密集卷积神经网络,将其分别与普通的卷积神经网络和多尺度卷积神经网络作对比,结论显示该算法分类效果更好,有利于增强对空间认知脑电信号的识别。