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
- 首先将bci_toolbox加载入Matlab设置路径中,例如:F:GitHubci_toolbox。
- 将Matlab路径调整到F:GitHubci_toolbox路径下运行setup.m。
- 在上述路径下,新建文件夹:Datasets,再创建一个新文件epochs,如下图。
- 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)
- 运行上面代码之后会在datasetsepochsssvep_sandiegoSM下产生训练集和测试集。
- 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%。