Bing News：brain-computer interface·· 7 天前AI 评分38
SRM University-AP 团队用滑动窗口与傅里叶分解打造轻量脑机接口解码框架
Sliding Windows and Fourier Decomposition Give Brain-Computer Interfaces a Lightweight Edge
AI 导读
印度 SRM University-AP 团队提出一种轻量运动想象 EEG 解码框架，在 BCI Competition III Dataset IVa 五名受试者二分类任务上达 93.67% 准确率，在 BCI Competition IV-2a 九名受试者四分类任务上达 79.14%，模型仅约 12 万个可学习参数。
AI 要点
团队
印度 SRM University-AP，B. S. S. Tejesh 与 M. Ramakrishnan 领衔，成果发表于 Frontiers in Computational Neuroscience。
主要结果
受试者依赖评估下二分类准确率 93.67%、四分类 79.14%；模型约 12 万参数，在 Jetson Nano 上单试次延迟 58.119/85.055 毫秒。
解决什么问题
针对 EEG 信号噪声大、个体差异大、传统方法计算开销高的问题，用滑窗加傅里叶分解加轻量一维 CNN 降低算力需求。
方法
用公开数据集 BCI Competition III IVa（5 名受试者）和 IV-2a（9 名受试者）；EEG 切为 7 个重叠窗，8–30 Hz 带通后分 8 个子带，输入两层卷积网络，7 窗多数投票。
局限
跨受试者平均仅 76.49%（二分类）和 55.50%（四分类），且需少量校准而非严格零样本；延迟为离线预录数据，非实时运行。
AI 依据原文整理，未经人工核对。
来源：Bing News：brain-computer interface · bioengineer.org