表 2. Performance comparison of all algorithms.

各算法综合性能对比

有/无训练	算法名称	数据库来源	指令	数据 长度/s	平均 正确率(%)	平均 ITR/(bits·min−1)	算法特点
注：符号*表示估计值，文献中并未给出明确结果；符号▲表示离线结果；数据长度未包含视线转移时间
无	MEC[14]	私有	5	变化	96.7*	61.7	降低噪声、提高有效信号信噪比
	MSI[15]	私有	4	1.5	86.0	19.4	适用数据短、导联少的情况
	CCA[16]	私有	6	2	95.3	58.7	提取空间特征信息
	ttCCA[18]	清华公开[32]	40	1.5	86.0*▲	58.3*▲	模板中加入其他个体信息
	ttfCCA[19]	清华公开	40	0.75	61.8▲	112.4▲	跨被试提取任务相关滤波器
	stCCA[21]	清华公开	40	0.8	89.6▲	198.2▲	共享迁移模板和滤波器
有	itCCA[24]	私有	32	1.05	85.0	108.0	模板中加入个体信息
	mwayCCA[25]	私有	4	1	85.3	38.7	模板中加入个体间、试次间信息
	eCCA[26]	私有	40	1	91.0	267.1	集成多组模板、滤波器
	TRCA[27]	私有	40	0.4	86.0*	266.5	最大化不同试次间相似性
	eTRCA[27]	私有	40	0.3	89.8	325.3	集成TRCA多组滤波器
	ms-eCCA[22]	清华公开	40	1	79.8▲	200.7▲	通过跨频率学习个体信息，在小训练样本下获得良好识别效果
	ms-eTRCA[22]	清华公开	40	1	76.3▲	189.8▲
	ms-eCCA+ ms-eTRCA[22]	清华公开	40	1	82.4▲	212.4▲