TRCA算法是一種用於識別SSVEP信號的方法，它通過最大化每個任務中神經影像數據的復現性（reproducibility）來提取任務相關成分（task-related components）。這種方法特別適用於鎖時（time-locked）信號，如SSVEP，因為它可以在多個試次之間最大化可再現性，從而提高信噪比（SNR）並抑制自發腦電活動。
TRCA算法的原理可以概括為以下步驟：
假設待識別的SSVEP信號X(t)通常由任務相關信號s(t)和任務無關信號n(t)組成，即X(t)=a1,jS(t)+a2,jN(t)，其中a1,j和a2,j是混合係數。
假設s(t)在跨試次過程中保持不變，而n(t)在跨試次中是變化的，這意味著s(t)和n(t)之間的協方差為0，而s(t)和n(t)之間的協方差為一個正常數。
TRCA算法期望從X(t)中提取任務相關成分s(t)，為此首先對多通道的EEG信號進行加權求和，以增強s(t)的信號。
這種方法的提出是為了解決基於CCA的方法在識別SSVEP信號時易受自發腦電活動干擾的問題，並利用相位信息來提高SSVEP識別性能。