《Heliyon》：Designing class discrepancy-guided sub-band filter using common frequency pattern for preprocessing EEG signals in MI-BCIs
编辑推荐：
本文针对脑机接口（BCI）中运动意象（MI）脑电（EEG）信号分类的挑战，提出了一种新颖的类差异引导子带滤波器（CCDF）设计方法。研究人员通过将公共空间模式（CSP）目标函数应用于EEG信号的时频表示，构建了一个两阶段CSP框架，有效增强了有限通道条件下MI-EEG信号的频谱-空间特征 discriminative power。研究结果表明，该方法在三个公开BCI竞赛数据集上显著优于传统CSP及其变体（p<0.001），分类准确率最高提升达10%，为开发更 robust 的少通道BCI系统提供了重要技术支撑。
脑机接口技术旨在建立大脑与外部设备之间的直接通信通路，其中基于运动意象的脑机接口因其无需实际动作即可实现控制的特性而备受关注。然而，脑电信号固有的低信噪比和非平稳特性，加之实际应用中电极数量有限的约束，使得高效特征提取算法的设计成为该领域长期面临的挑战。公共空间模式作为MI-BCI中最经典的特征提取方法之一，其性能深受噪声干扰、训练样本不足以及频带选择敏感性的制约。尽管已有研究尝试通过滤波器组或子带分解策略优化CSP算法，但如何自动、精准地提取具有高度类别区分度的频带成分，仍是当前研究的难点。
为解决上述问题，本研究团队在《Heliyon》上发表了一项创新性研究，提出了一种基于CSP目标函数引导的类差异子带滤波器设计新方法。该研究核心在于将CSP的优化思想从空间域拓展至频率域，构建了一个层次化的两阶段处理框架。研究人员利用连续小波变换对每个EEG通道的信号进行时频分析，将7-32Hz的频带划分为6个子带，进而应用CSP目标函数为每个通道设计出能够最大化类间功率差异的频率投影滤波器。这些滤波器通过对不同频率成分进行加权组合，生成了包含更丰富判别信息的虚拟通道，有效扩充了原始通道数量。随后，在第二阶段对增强后的信号应用标准CSP进行空间滤波，最终采用支持向量机完成分类。
关键技术方法主要包括：对三个公开BCI竞赛数据集（III Dataset IIIa, IV Dataset IIa, IV Dataset IIb）的EEG信号进行预处理，选取C3、Cz、C4通道；使用连续小波变换获取信号的时频表示；基于CSP目标函数求解类差异引导子带滤波器；采用两阶段CSP进行特征提取；使用支持向量机进行分类模型训练与评估。
2.3 CDF
类差异引导子带滤波器作为一种频谱预处理技术，其核心思想是利用类别模板间的差异来指导滤波器设计，增强具有高判别力的频率成分。与传统方法不同，本研究提出的CCDF方法创新性地将CSP目标函数应用于频率成分的优化，通过求解广义特征值问题来获得使类间差异最大化的频率投影向量。
2.4 Proposed method
本研究提出的方法框架包含两个核心阶段：第一阶段为频谱预处理，通过CSP目标函数设计针对每个EEG通道的subject-specific频率滤波器；第二阶段为空间特征提取，对增强后的虚拟通道应用标准CSP算法。这种方法不仅增加了通道数量，更重要的是提升了每个通道的判别能力。
4 Results and discussion
4.1 CSP feature extraction and SVM classifier
实验结果表明，提出的CCDF方法在三个数据集上均取得了最优的分类性能，平均准确率达到75.75%，显著优于传统CSP（72.72%）、CDFCSP（74.09%）和tCSP（73.42%）等基准方法。统计检验（Friedman检验）证实了各方法间存在显著差异（p<0.001），事后检验进一步表明提出的方法显著优于所有对比方法。
4.2 Proposed method as spectral preprocessing for LMDA-Net
将提出的方法作为LMDA-Net深度网络的预处理步骤时，"Proposed + LMDA"配置在大多数被试上取得了最高或接近最高的分类准确率，平均性能优于直接使用LMDA-Net或"CDFCSP + LMDA"配置，证明了该方法作为通用频谱预处理技术的有效性。
4.3 Contribution of generated channels to discriminative power
互信息分析显示，生成的虚拟通道相比原始通道具有更高的类别判别信息。SVM分类实验进一步证实，使用全部生成通道的特征相比原始通道特征能获得更高的分类准确率，表明提出的频率投影不仅增加了通道数量，更实质性地提升了特征的判别质量。
4.5 Ablation study
消融实验验证了各组件贡献：完整方法显著优于去除CWT或CCDF滤波的变体，证明了CSP引导的频率滤波和时频分析各自的重要作用及其协同效应。
研究结论表明，基于CSP目标函数引导的类差异子带滤波器设计方法，通过层次化地处理频谱和空间信息，有效克服了传统MI-BCI方法在有限通道条件下的性能瓶颈。该方法不仅显著提升了分类准确率，其生成的虚拟通道还提供了更丰富的判别特征，为开发高性能、实用化的少通道脑机接口系统提供了新的技术途径。未来工作可探索将此类频谱预处理策略与更多先进深度学习模型结合，进一步推动MI-BCI在实际应用中的发展。
