已完成
回答：双谱可检测三个频率分量间的相位相互作用，揭示 EEG 的非线性动力学特性。在运动想象或情感 BCI 中加入双谱特征，可补充功率谱信息，提高对复杂神经模式的辨识能力，但需考虑计算复杂度。...
已完成
回答：t-SNE 与 UMAP 能在低维空间保持高维特征的局部或全局结构，用于可视化不同类别或状态的分布，辅助发现潜在子类或异常模式。虽多用于离线分析，其结果可指导下一步特征工程与模型设计。...
已完成
回答：功率变化率可刻画 ERD/ERS 的发展速度，反映任务准备的快慢与神经响应的敏感性。将其作为时序特征输入 RNN 或 Transformer 可提升对意图早期检测的能力，并在个性化训练中优化反馈...
已完成
回答：MIL 将一次试次视为“包”，包内不同时间片段为“实例”，只要包内有实例包含任务信号即标记为正包。该方法可容忍试次内部分时段受噪声或走神影响，提升低信噪比条件下的鲁棒性。...
已完成
回答：ANC 使用参考通道采集的肌电信号构建估计模型，并从主信号中减去，适合处理与脑信号不同源但时间相关的干扰。关键在于参考信号与主干扰的高度相关性及自适应滤波器的快速收敛能力。...
已完成
回答：该方法以最大化特征与类别标签之间的互信息为目标函数设计空间滤波器，可替代 CSP 等传统方法，在非线性或弱可分任务中表现更优。常用数值优化求解投影矩阵，并可结合核方法扩展到非线性空间。...
已完成
回答：不同运动方向在感觉运动皮层 LFP 中会引起特定频段（如 β 节律）功率峰值的空间分布差异。通过实时追踪峰值位置与幅值变化，可解码连续运动方向，该方法在假肢控制中能提供平滑且物理合理的轨迹。...
已完成
回答：贝叶斯优化通过构建目标函数的概率模型，在少量试验内高效搜索特征子集与超参数组合，可避免网格搜索的高计算成本。在 BCI 中适用于跨被试模型调优，尤其当特征维度高且超参数相互影响时效果显著。...
已完成
回答：双流 CNN 将 EEG 数据分为空间流（多通道电极布局的静态模式）与时间流（单通道或多通道的时间序列动态）分别进行卷积特征提取，然后在融合层合并两类特征进行分类。该方法能更明确地捕捉 EEG ...
已完成
回答：自编码器通过重构输入信号学习低维潜在表征，可在缺少标签时提取 EEG 的通用特征。预训练得到的编码器可为后续监督学习提供良好初始化，尤其在小样本跨被试应用中效果显著。...
已完成
回答：分层贝叶斯模型可在不同层次对 EEG、心率变异性、皮肤电导等进行联合概率建模，捕捉跨模态统计依赖与个体差异，适合情感识别与认知负荷评估等多源信息融合任务。...
已完成
回答：MR 将神经反馈与虚实融合场景结合，可在真实空间中进行任务交互（如在 MR 篮球场通过运动想象控制虚拟投篮），提升训练动机与迁移效果。关键技术是保证反馈延迟低于感知阈值以维持沉浸感。...
已完成
回答：SRC 假设测试信号可由训练样本的稀疏线性组合重构，利用 L1 范数优化求解系数后进行类别判别。该方法对噪声和非完整数据具有天然鲁棒性，适合跨被试或试次稀少的场景。...
已完成
回答：DCM 基于生物物理生成模型估计脑区间的有效连接及其在任务条件下的变化，可揭示运动想象或刺激任务中感觉运动网络、注意网络的因果交互，为网络层级解码提供理论依据。...
已完成
回答：不同 EEG 采集设备在电极布局、放大器和采样率上的差异构成域偏移。对抗性域适应通过对抗训练缩小源域与目标域特征分布差异，使同一模型能在多种硬件平台上保持性能稳定。...
已完成
回答：空洞卷积在不增加参数量的情况下扩大感受野，TCN 可借此捕捉 EEG 信号中跨度较大的时序模式（如跨试次的状态转移），在连续运动解码与情感识别中提升时序一致性。...
已完成
回答：通过仿真与实验结合确定电极间距与目标皮层功能区的对应关系，可最大化捕获任务相关神经活动并减少容积传导效应。信息论指标（如 Fisher 信息量）可指导阵列排布优化。...
已完成
回答：VAE 学习 EEG 数据的潜在分布并生成逼真样本，可用于扩充训练集；同时，重建误差可作为异常检测指标，识别信号质量下降或伪迹严重的试次，提升系统鲁棒性。...
已完成
回答：RFE 通过迭代训练分类器并剔除最不重要特征，直至达到预设维度，能够获得稳定且判别力强的特征子集。在 EEG 高维特征空间中可有效降低计算负担并避免过拟合。...
已完成
回答：PAC 可度量低频相位对高频振幅的调节作用，反映不同神经节律间的功能连接。在注意力 BCI 或运动想象中，PAC 特征可揭示任务相关的跨频段调制模式，为解码提供额外的动态信息。...