用于在线运动想象分类的前端复制动态窗口（FRDW）

基于摘要分析。本文研究 EEG 运动想象（MI）BCI 中在线解码的速度与准确性问题，提出 front-end replication dynamic window（FRDW），通过动态窗口与前端复制，使短于训练试次的测试 EEG 片段也能用于分类，目标是兼顾更早决策与分类准确性。 机制上，动态窗口允许分类器根据比训练试次更短的测试片段进行判断，以缩短决策时间；前端复制（FR）则将短测试片段填充至训练时使用的长度。作者将准确性改善归因于这一长度补齐操作，但摘要未提供具体复制规则、窗口增长方式、停止条件或置信度判定机制，这些实现细节尚未验证。作者还指出，FR 可用于训练数据增强，但其增强配置与独立贡献需结合全文核对。 作者报告，在三个公共数据集上，使用三种不同分类器与三种不同数据增强方法开展被试内及跨被试在线 MI 分类实验，FRDW 可显著提高信息传输率（ITR）。摘要未列出数据集名称、数据划分、对照基线、准确率、决策时长、ITR 数值或统计检验细节，因而目前不能量化收益，也不能直接比较不同协议下的结果。实验协议、消融及统计信息尚未验证。 复现时应重点核对短窗口长度、复制填充策略、在线停止规则及 ITR 的计算口径，并在相同数据划分与分类器条件下分别评估动态窗口、FR 和二者组合，以区分早期决策与填充操作的贡献。作者另称 FRDW 帮助团队获得 2022 年中国 BCI 竞赛全国冠军；该竞赛经历不能替代受控实验对方法有效性的验证。