用于脑机接口的独立成分分析与多分辨率不对称比

基于摘要分析。本研究针对单试次 EEG 的左右手指抬起或运动想象识别，提出结合独立成分分析（ICA）、多分辨率不对称比与支持向量机（SVM）的 BCI 系统，串联自动 EOG 伪迹去除、特征提取和分类。 方法上，先利用 ICA 与相似性度量自动去除眼电（EOG）伪迹，再从小波数据中通过不对称比提取特征，最后以 SVM 区分左右类别。摘要未说明相似性度量的具体定义、伪迹成分判定规则、小波类型与尺度、不对称比公式或 SVM 配置，因此尚不能据此完整复现流程。 作者报告，与未去除 EOG 伪迹的 EEG、频带功率特征及原文称为 adoptive autoregressive（AAR）的参数特征相比，该系统取得了有前景的 BCI 结果。但摘要未提供具体指标、数值、数据集、被试数或数据划分，也未明确手指抬起与运动想象是否分别评估；不能据此量化改进，或推断被试内、跨被试及跨会话效果。 阅读全文时需核对各对照是否采用相同数据划分与分类设置，以及去伪迹步骤和不对称特征各自的贡献。实验协议、消融及统计信息尚未验证；复现所需的通道配置、预处理、小波参数、特征定义与分类器训练细节也尚未验证。