空間濾波器正則化

如 CSP 等空間濾波器是由共變異數矩陣算得，而在數十至數百通道的空間中、由少數幾個帶雜訊試驗估出的共變異數條件極差，因此所得濾波器會過度擬合、泛化不佳。正則化透過將估計偏向較簡單或較合理的解來使其穩定。最常見的形式是把共變異數矩陣向縮放後的單位矩陣收縮，其混合權重可由 Ledoit-Wolf 公式解析地決定，因而無需交叉驗證搜尋。

除收縮之外，正則化還能注入先驗資訊：如將濾波器拉向空間平滑、拉向通道稀疏以做電極選擇、或拉向自其他受試者或場次借用的共變異數結構（用於遷移學習的複合式與正則化 CSP）。這些作法都以略增偏差換取大幅降低變異，而當試驗稀少時（這正是短暫 BCI 校準的典型情境），這恰是正確的取捨。