HarmTSFormer：用于未见频率 SSVEP 解码的谐波编码与证据保留融合

基于摘要分析。该研究针对 SSVEP 解码器通常受限于训练时预定义刺激频率类别的问题，提出两阶段架构 HarmTSFormer，通过候选频率的谐波表征与多来源评分融合，支持跨被试条件下的未见频率识别。作者报告，该方法仅使用源被试的已见频率 EEG 进行分阶段训练，无需目标用户校准。 第一阶段采用 Dual-Branch Harmonic Encoder（DBHE），根据候选频率与相位构建谐波证据。各分支内部的编码参数在候选间共享，使已见与未见刺激可采用统一表征；低阶与高阶 Transformer 分支建模通道、频带及谐波响应之间的依赖，并利用聚合的候选集合上下文补充单个候选的表示。其关注点既包括候选内部的响应结构，也包括不同候选之间的信息利用。 第二阶段采用 Evidence-Preserving Aggregation Module（EPAA），将分数归一化与可学习加权结合，融合学习得到的分数和显式参考匹配分数，从而联合利用 EEG 响应特征与参考匹配信息。摘要未给出参考信号构造、归一化公式、权重约束、损失函数及各阶段训练细节，相关实现尚未验证。 作者报告，在三个公共数据集的跨被试、未见频率条件下评估了方法有效性，并通过消融实验、结构对照和分数分解分析考察不同信息路径的贡献。摘要未提供数据集名称、被试数、已见与未见频率划分、指标数值或对照基线，因此尚不能判断收益幅度及跨数据集稳定性。 复现时应重点核对频率与被试划分、候选集合及相位的设定、分阶段训练流程，以及归一化和加权融合在不同候选集合中的表现。跨被试结果与频率外推效果需结合具体协议解读；实验协议、消融及统计信息尚未验证。