运动想象 (MI) 迁移学习系列 (7) : SBCCSP

论文地址：https://ieeexplore.ieee.org/abstract/document/10341209
论文题目：Sub-Band Cascaded CSP-based Deep Transfer Learning for Cross-Subject Lower Limb Motor Imagery Classification
论文代码：无

0. 引言

下肢运动意象 （MI） 分类是脑机接口 （BCI） 中一个具有挑战性的研究课题，因为人脑中左右下肢运动的生理表征过于接近。此外，运动想象信号具有严重的受试者特异性特征。以往研究中针对特定受试者设计的分类方案无法满足通用脑机接口系统中跨受试者分类的要求。因此，本研究旨在建立跨受试者的下肢运动想象分类方案。提出了3种新的子带级联公共空间模式（SBCCSP）算法，以低冗余提取代表性特征。验证是基于从实验中执行 MI 任务的受试者收集的基于下肢阶梯的 MI 信号进行的。所提出的3种SBCCSP算法的方案比其他常见的空间模式（CSP）变体具有更好的精度和运行时间性能。

总的来说：主要的还是特征提取方法，从实验结果上来看还是有一定的效果的，有想法的可以尝试一下。。。

1. 主要贡献

1. 提出了三种新的SBCC