多尺度EEG超分模型

重建高保真信号

利用位置编码与多头自注意力同时建模空间结构与时间功能变化，摆脱数学插值伪影，生成的超分辨率脑电在下游身份识别与情绪识别中表现优于原始低分辨率数据。

李冬冬 · Zhongliang, Zeng · Wang, Zhe · 杨海

Knowledge-Based Systems 2025

参数信息

下游任务提升幅度

2–38 %

技术优势

免去插值伪影

采用固定掩码策略和掩码令牌上采样，完全绕开数学插值，重建信号更干净。

下游任务大幅提升

超分后数据在身份识别与情绪识别任务上比低分辨率数据提升2%到38%。

时空依赖精巧建模

空间维和时间维分别用位置编码与多头自注意力，结构相关性和功能变化都被学到。

应用场景

• 脑机接口应用：用低分辨率设备采集也能得到高保真脑电，适合做实时BCI控制。
• 可穿戴EEG设备：为可穿戴设备省去密集传感器阵列，降低佩戴负担。
• 神经信号处理：无需插值预处理的端到端超分，简化神经信号处理流水线。
• EEG身份认证：提升识别准确率最多38%，让低分辨率脑电可用于身份认证。