传统脑机接口通常在统一的宽频段或固定的一组子频段上提取特征，无法适配不同被试之间的脑电差异，分类性能明显下滑。SSLFF会为每位被试系统搜索最优频段，动态融合互补频带，并加入时间局部特征提取，因此在更宽的主频段上也能正常工作而不掉性能。论文称，该框架不仅在空间滤波器和分类器上按人调整，频段选择与局部特征提取也同样按人定制，对系统参数变化保持稳健。论文作者为Rahman MKM与Shuvo HMT，来自孟加拉国联合国际大学电子电气工程系。
运动想象脑电按人定频段，分类更稳更准
内容概述
基于脑电的运动想象解码是脑机接口的常用方案，但传统方法多用统一的宽频段或固定的一组子频段提取特征，难以适配不同被试的脑电差异，分类性能容易下滑。孟加拉国联合国际大学团队提出SSLFF框架，为每位被试逐一搜索并选取最优频段，动态融合互补频带，再叠加时间局部特征提取，在更宽的主频段上也能稳定工作。论文称，相比传统方法，SSLFF的分类准确率取得统计学显著提升，对系统参数变化保持稳健。这表明脑机接口解码的个性化不必以牺牲频段宽度为代价，为运动想象分类的落地应用提供了新思路。该研究2026年8月20日发表于《Journal of Medical Engineering & Technology》。
推荐理由
跨被试脑电差异是脑机接口解码落地的常见障碍，多数方案用统一频段导致性能打折。该研究把频段选择做成按人定制，还能在更宽频段上保持稳定，为运动想象脑机接口的个性化提供了低成本新路径，是值得收录的方法学进展。
本文由 BCIwiki 根据公开信息撰写
关联信源 · 1
pubmed.ncbi.nlm.nih.gov 2026-08-20