脑机百科消息(bciwiki.com)，研究人员提出一种基于指数移动平均（EMA）子空间跟踪的自适应伪迹子空间重建（ASR）方法，在10名受试者的24通道脑电记录上，将眨眼伪迹削减了53.1%，高于原始ASR的24.0%和有限记忆ASR的26.7%。该研究于2026年9月28日上传至arXiv预印本平台，尚未经同行评审。
研究指出，脑电伪迹去除仍是脑机接口实际部署中的关键难题，原因在于信号统计特性非平稳、可用于校准的数据有限。ASR是一种基于方差抑制伪迹的自动化框架，但它依赖由校准数据得出的静态协方差模型，在同一受试者信号发生漂移时稳定性受限，对参数设定也较为敏感。
新方法把短时程的协方差估计与缓慢的递归更新结合起来，形成快慢两种适应时间尺度：既能跟上脑电结构的变化，又不会被短暂出现的伪迹带偏。据论文描述，这一设计还让方法在不同剔除阈值下的表现更平滑，降低了连续运行时对超参数选择的敏感性。
评估数据来自10名受试者在不同认知状态下的24通道脑电记录，均含明显的眨眼伪迹。EMA-ASR的伪迹抑制明显强于另外两种方法，但代价是重建偏差和频谱偏差增大；有限记忆版本的表现与原始ASR相近。作者认为，这说明基于EMA的自适应跟踪是一种轻量、面向部署的连续伪迹去除方案，同时在抑制强度与信号保真之间存在明确取舍。
论文作者为Vishnu KN和Cota Navin Gupta，相关代码已在GitHub公开。