Robust Frequency-Calibrated Virtual EEG Channel Generation from Four Frontal Electrodes for Wearable EEG Augmentation

低通道可穿戴电生理信号（EEG）因其适合长期监测而备受青睐，但仅由四个前额电极提供稀疏且受空间偏置限制的大范围脑活动视图。我们提出FAVC-Net，一个紧凑的频率校准虚拟信道网络，从Fp1、Fp2、F7和F8生成13个未测量的EEG信道。该模型结合了共享多尺度源编码、源状态嵌入、目标条件签名源块混合、基于GATv2的注意力细化、注意力一致的跳过融合和弱Welch功率谱密度校准。本框架不将稀疏到稠密EEG生成视为纯粹的波形匹配任务，而是强调�幅忠实性、频谱分配、信道频率纹理和对损坏可穿戴输入的鲁棒性。 在PRED+CT数据集上，FAVC-Net在神经网络和插值基准方法中实现了最佳的联合波形-频谱操作点。其时域收益有限，但相对最强的非FAVC比较器， log频谱距离和PSD KL发散分别降低了30.09%和37.98%。在可穿戴式源扰动下，该模型保持了频谱忠实性并抵抗了频谱坍缩。这些结果支持虚拟EEG信道生成作为双域增强问题，同时强调生成的后颅和顶叶信道应解释为来自稀疏前额测量的频率校准表示，而非独立的物理记录。