脑机百科消息(bciwiki.com)，华中科技大学研究人员提出有限校准数据下的视觉脑电解码网络KDHNet，相关稿件于2026年10月19日公开于arXiv。研究将解析信号处理与神经网络结合，在三个公开稳态视觉诱发电位（SSVEP）数据集上评估，跨受试者对齐仍需目标受试者每类一个带标签试次。
KDHNet在滤波器组预处理后，串联任务判别成分分析（TDCA）和任务相关成分分析（TRCA），提取有助于区分类别、且在不同试次间可重复的信号成分。网络随后通过可学习的子频带权重融合频谱信息，再由SSVEPformer解码器学习时间与频谱表示以完成分类。跨受试者解码采用目标引导的最小二乘变换，使用目标受试者每类一个带标签试次对齐来源受试者的试次数据。
实验涵盖三个公开数据集、受试者内与跨受试者评估、五种分析窗及多个校准比例。在受试者内评估中，KDHNet在15个分析窗设置中的14个及全部10个校准比例设置中，平均准确率和信息传输率均在所比较方法中最高。在跨受试者评估中，其表现位列第一或第二，校准数据较少时增益通常更大。消融实验还显示，将估计得到的TDCA投影固定，比从解析或随机初始化出发继续优化该投影表现更好。
作者认为，固定的知识先验与可训练神经模块相结合，有助于少校准条件下的SSVEP解码，并将更实用、稳健和即插即用的脑机接口作为该框架支持的方向。当前报道的结果来自公开数据集实验，跨受试者方案仍需要目标受试者的带标签校准数据。