运动想象脑电按人定频段，分类更稳更准
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》。