arXiv eess.SP（Signal Processing）·2026-10-23 12:00· 2 天前AI 评分38

MOPC：面向 EEG 运动想象的记忆增强在线测试时自适应框架

Memory-Augmented Online Test-Time Adaptation for EEG Motor Imagery via Perturbation Consistency and Confidence Calibration

AI 导读

一种名为 MOPC 的无源在线测试时自适应框架被提出，用于提升 EEG 运动想象脑机接口解码在跨受试者分布偏移下的可靠性，可在推理阶段单次在线更新解码参数而无需访问源数据。

AI 要点

团队

第一作者 Kunkun Zhang，末位作者 Qianwei Zhou，共 5 位作者；论文已被 IEEE TIM 接收。

主要结果

在 BCI IV IIb 和 OpenBMI 数据集上分别比此前方法高 2.22% 和 3.67%，单试次自适应延迟约 40–60 ms。

解决什么问题

EEG 非平稳与跨被试分布偏移导致被试间不一致，现有自适应方法需离线获取源数据或聚合目标数据，难以实时使用。

方法

提出无源框架 MOPC：推理阶段在线更新解码参数、单次通过自适应；随机掩码扰动约束预测一致性，置信度校准重加权损失，轻量记忆模块正则化参数更新。

局限

从研究设计看，仅在 BCI IV IIb 与 OpenBMI 两个数据集上离线评估，未报告在线实时使用或前瞻性验证。

AI 依据原文整理，未经人工核对。