计算机科学与探索

作者：林承德, 杨铭哲, 莫程俊, 李国翚

单位：1. 天津大学 智能与计算学部，天津 3003502. 桂林电子科技大学 人工智能学院，广西 桂林 5410043. 天津开发区奥金高新技术有限公司，天津 300457

关键词：脑电信号解码,深度学习,多模态内容生成,脑机接口

基金：中国博士后科学基金面上项目（2025M781503）；广西重点研发计划项目（桂科AB25069017）；广西高校中青年教师科研基础能力提升项目（2025KY0253）；桂林市科学研究与技术开发计划（20230120-3）；广西研究生教育创新计划项目（YCSW2025360）；国家级大学生创新创业项目（202410595021）。

基于脑电信号（EEG）的多模态内容生成技术是脑机接口（BCI）与人工智能领域的新兴研究方向，旨在通过解码EEG实现多模态内容的重建，为脑功能解析与交互系统构建提供全新范式。技术融合脑电信号预处理、特征提取及跨模态生成等核心环节，近年来在方法创新与应用探索上取得显著进展。概述了脑电信号的特点，分类介绍了人工智能领域内基于脑电信号的任务。围绕脑电信号低信噪比、空间分辨率受限等固有问题，系统梳理预处理技术的发展脉络，分为去噪、增广、超分三大关键方法，系统比较了传统方法与深度模型在提升脑电信号数据质量与可用性方面的优势及局限；在特征提取方面，对比分析传统时频空域方法与深度学习模型的优势，总结最新的技术路径，分析其对解码精度的影响；在多模态内容生成任务中，按照模态分类，详细归纳了相关技术在图像、音频、文本、视频生成领域的研究进展，重点剖析了目前采用的主要网络结构与方法，客观论证了当前技术面临的挑战。总结现有技术的研究情况和存在的问题，并对未来的发展趋势进行了展望。

来源：2026年第2期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2026年第2期