PCRNet：用于基于 EEG 的听觉注意解码的相位感知复数细化网络

基于摘要分析。该研究针对多说话者环境中的 EEG 听觉注意解码（Auditory Attention Decoding，AAD），目标是识别被试正在关注的说话者。作者提出 Phase-aware Complex Refinement Network（PCRNet），结合时域上下文建模与相位引导的频域处理，以改善结构化神经信号与随机噪声的区分。 方法包含 Temporal Context Calibration（TCC）和 Dual-Domain Integration（DDI）两个模块。TCC 通过多尺度时间注意机制捕获长程时间依赖；DDI 采用相位引导的频谱滤波，动态抑制噪声占主导的频率，并分别细化实部与虚部。作者将这一设计解释为能够实现相位重新校准、增强复数域目标特征的可区分性。摘要未提供相位引导的具体计算方式、噪声频率判定依据、两模块的融合细节或训练损失，相关实现尚未验证。 作者报告，在三个公共数据集上，PCRNet 优于所比较的 SOTA 方法，尤其是在具有挑战性的 0.1 秒窗口条件下。摘要未列出数据集名称、被试数量、数据划分、被试内或跨被试协议、评价指标、具体分数及对照方法，因此尚不能量化其优势或判断不同评估条件下的泛化能力。实验协议、消融及统计信息尚未验证。 复现时值得优先核对：0.1 秒窗口对应的实际输入范围及 TCC 可利用的时间上下文，相位处理相对于仅使用幅值或不进行相位校准的对照贡献，以及跨被试、跨会话条件下的稳定性。这些属于待核对事项，不代表作者未开展相关实验。摘要提供了代码仓库地址，但代码内容、运行条件及其与论文实验的一致性尚未验证。