一种用于运动想象脑机接口的基于 EMD 的新型共空间模式方法

基于摘要分析。研究针对运动想象（MI）EEG 脑机接口中 Common Spatial Pattern（CSP，共空间模式）依赖频带选择的问题，提出基于 Empirical Mode Decomposition（EMD，经验模态分解）的 CSP 方法，以实现与数据相关的自适应频带选择。 核心机制：CSP 提取的运动想象特征与被试特定频带的功率变化有关，因此频带选择会影响特征提取。该方法探索并利用 EMD 分解得到的 intrinsic mode functions（IMFs，固有模态函数），以及由 Hilbert Transform 计算的 instantaneous amplitude（IA，瞬时幅值）所形成的幅度调制信号。其方法价值在于尝试由信号自身的分解结果支持频带选择，而不是仅依赖人工划分和逐一评估。摘要未说明 IMF 筛选准则、幅度调制信号与 CSP 的具体组合方式，相关实现尚未验证。 结果：在 BCI competition IV dataset I 上，作者报告所提方法对所有被试均改善了分类 Accuracy，并报告配对 t 检验显示差异显著。摘要未提供具体 Accuracy、提升幅度、被试数量、对照方法、显著性水平或训练与测试划分，因而尚不能判断改善的实际大小，也不能将结果归为被试内、跨被试或跨会话协议。 复现需核对 EMD 与 Hilbert Transform 的处理流程、IMF 或频带的选择依据、CSP 特征及分类器配置，以及频带选择与训练测试划分的关系。实验协议、消融及统计信息尚未验证；现有材料支持将其视为 MI 频带自适应选择的方法探索，尚不足以确认其跨被试或跨数据集泛化能力。