稳态视觉诱发电位(SSVEP)丨典型性相关分析(CCA)

2019-04-13 21:07发布

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


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. 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。
    在这里插入图片描述
  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)
  1. 运行上面代码之后会在datasetsepochsssvep_sandiegoSM下产生训练集和测试集。
  2. 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%