脑机百科消息(bciwiki.com)，据《Frontiers in Computational Neuroscience》2026-10-17发表的论文，研究团队提出了一种用于运动想象脑电分类的统一框架，并在两个脑机接口竞赛数据集上进行评估。运动想象指在脑中想象执行动作；这类脑机接口通过识别相应脑电模式来区分运动想象任务。
该框架整合滑动窗口（SW）、傅里叶分解方法（FDM）和一维卷积神经网络（1D-CNN）。研究者先将原始脑电分段，以扩增数据并提取每次试验中的更多时间特征模式，再使用带通滤波与FDM提取频率特征。FDM将信号分解为八个相互正交的傅里叶本征带函数（FIBFs），随后由1D-CNN学习分解后脑电信号的表征。
在受试者依赖评估协议下，该方法在BCI Competition III Dataset IVa（BCIC III IVa）上的准确率为93.67%，在BCI Competition IV-2a（BCIC IV 2a）上为79.14%。研究还采用留一受试者法（LOSO），将一名受试者留作测试，以评估跨受试者泛化能力；两个数据集的平均分类准确率分别为76.49%和55.50%。
部署到NVIDIA Jetson Nano后，BCIC III IVa的完整处理流程延迟为58.119ms/trial，吞吐量为17.21trials/s；BCIC IV 2a的相应数值为85.055ms/trial和11.76trials/s。这里的trial指一次试验。作者认为，该方法具有辅助运动障碍人群的潜力；本研究报告的是数据集分类与设备部署结果，而非人体治疗效果。