基于 HHT 的 EEG 生物特征身份识别新特征

基于摘要分析。该研究面向利用 EEG 进行生物特征身份识别，提出从 Hilbert-Huang Transform（HHT，希尔伯特–黄变换）中提取分类特征的方法，重点考察仅使用单个电极时的身份识别能力，而非运动想象等任务的意图解码。 方法上，作者在 HHT 后计算瞬时幅值和瞬时频率，再据此构造用于分类的特征。摘要未说明这些量如何汇总为特征向量，也未提供信号预处理、HHT 分解设置、电极位置及分类器细节，因此具体实现与复现条件尚未验证。 作者报告，在两个公开数据库的单电极身份识别评估中，包含 122 名被试、观看一系列图片的数据库平均识别 Accuracy 为 96%；包含 109 名被试、执行运动／运动想象任务的数据库平均识别 Accuracy 为 99%。摘要未给出数据库名称、训练与测试划分、每名被试的数据量或是否跨会话测试，两个结果不宜脱离各自协议直接比较，也不能解释为运动想象分类准确率。 作者称这些结果优于此前采用其他特征及分类方法的已发表结果，但具体基线与协议可比性尚未验证。阅读全文时应重点核对身份类别及样本划分、单电极选择方式、跨会话稳定性，以及瞬时幅值与瞬时频率各自的贡献；实验协议、消融及统计信息尚未验证。该摘要支持的是 EEG 身份识别方法的研究价值，不能据此推断其已改善 BCI 控制性能。