class="markdown_views prism-atom-one-light">

稳态视觉诱发电位(SSVEP)丨典型性相关分析(CCA)

文章目录

• 稳态视觉诱发电位(SSVEP)丨典型性相关分析(CCA)
• 1. 准备工具：
• 2. 实验数据
• 3. 安装和运行
• 4. 结论

前言：采集一组脑电数据，准备使用bci_toolbox进行分析时，发现时隔一个月就把使用步骤忘得一干二净。还是记录一下，便于日后查阅。

1. 准备工具：

软件：Matlab
工具包：bci_toolbox

2. 实验数据

San Diego Square Joint Frequnecy-Phase Modulation SSVEP (ftp://sccn.ucsd.edu/pub/cca_ssvep)

3. 安装和运行

1. 首先将bci_toolbox加载入Matlab设置路径中，例如：F:GitHubci_toolbox。
2. 将Matlab路径调整到F:GitHubci_toolbox路径下运行setup.m。
3. 在上述路径下，新建文件夹：Datasets，再创建一个新文件epochs，如下图。
   
4. 打开dataiodataio_create_epochs_SM_SanDiego.m，命令行窗口输入：

% 数据长度和带通滤波 epoch_length = [0 4000]; filter_band = [5 40]; dataio_create_epochs_SM_SanDiego(epoch_length, filter_band)

5. 运行上面代码之后会在datasetsepochsssvep_sandiegoSM下产生训练集和测试集。
6. 运行define_approach_SSVEP.m，结果如下：

>> Average accuracy on SSVEP_SANDIEGO 92.5 Time elapsed for computing: 5.3458 seconds

4. 结论

说明使用SSVEP_SANDIEGO数据集，数据长度为**[0 4000]，带通滤波器[5 40]，识别算法CCA**，平均正确率：92.5%。